Empleando modelos jerárquicos para encontrar el mejor modelo para pronosticar los galones de gasolina corriente demandados en Bogotá (Colombia)

• Julio César Alonso Cifuentes ^[1] ; Javier Gustavo Díaz ^[1] ; Daniela Estrada ^[1] ; César Alfonso Figueroa ^[2] ; Gabriel Tamura ^[1]
  1. [1] Universidad Icesi

     Universidad Icesi

     Colombia

     
  2. [2] Oficina de Inteligencia Tributaria, Bogotá (Colombia)
• Localización: Revista de métodos cuantitativos para la economía y la empresa, ISSN-e 1886-516X, Vol. 28, 2019, págs. 113-123
• Idioma: español
• Títulos paralelos:
  • Use of hierarchical models to find the best model to forecast the gallons of regular gasoline demanded in Bogotá (Colombia)
• Enlaces
  • Texto completo
• Resumen
  • español

    El documento tiene como objetivo encontrar el mejor modelo jerárquico que permita proyectar la demanda total de gasolina corriente y por tanto el recaudo por sobretasa a la gasolina en Bogotá, Colombia, impuesto importante para el financiamiento de la malla vial y sistemas de transporte masivos. Para lograr este objetivo, se emplean datos de los galones reportados por los 6 mayoristas de gasolina corriente de la ciudad bajo dos aproximaciones univariadas (ARIMA y el método de suavizamiento exponencial (ETS por sus siglas en inglés)), cinco métodos y diferentes algoritmos de minimización. Se encuentra que la mejor combinación de estos parámetros para pronosticar los galones de gasolina corriente demandados es el modelo ETS bajo un pronóstico univariado simple.

  • English

    The objective of this analysis is to find the best hierarchical model to forecast the total demand for regular gasoline in Bogotá, Colombia and, therefore, the collection of gasoline surcharges, which is an important tax used to finance road networks and massive transportation systems. We used data reported by 6 wholesalers of regular gasoline in the city, and used two univariate approaches (ARIMA and exponential smoothing (ETS)), five methods and different minimization algorithms to forecast gallons of regular gasoline. Results show that the best combination of these parameters is an ETS model under a simple univariate forecast.