Resumen de Aplicación de modelos de difusión y de series temporales para pronóstico de demanda agregada

Bruno de Jesús Rahmer, Hernando Garzón Saénz, José Solana Garzón

• español

  El amplio abanico de métodos cuantitativos utilizados para el pronóstico de demanda, constituyen herramientas técnicas invaluables que permiten vaticinar la ocurrencia de eventos futuros y brindar soporte al proceso de toma de decisiones en el contexto de la planificación y coordinación de procesos empresariales internos. Por tanto, se colige que la labor de proyectar la demanda de los bienes y servicios ofertados por unidades estratégicas de negocios sea una necesidad inexorable. En la presente investigación se traen a colación tres modelos de corte cuantitativo para pronosticar la demanda agregada en el contexto industrial cartagenero en Colombia, a saber, el modelo geométrico Browniano, el modelo ARFIMA y un modelo de espacio-estado resuelto via Filtro de Kalman. Los resultados arrojados indican que la eficiencia predictiva del modelo espacio de estado es significativamente superior a la de los demás modelos traídos a colación. Se concluye por tanto, que éste enfoque de modelado propuesto reproduce apropiadamente el comportamiento histórico de la característica de interés analizada, como es, la demanda.

• English

  The wide range of quantitative methods used for demand forecasting constitute invaluable technical tools that allow predicting the occurrence of future events and providing support to the decision-making process in the context of planning and coordinating internal business processes. Therefore, it follows that the task of projecting the demand for goods and services offered by strategic business units is an inexorable necessity. In the present investigation, three quantitative models are brought up to forecast aggregate demand in the industrial context of Cartagena in Colombia, namely, the Brownian geometric model, the ARFIMA model and a state-space model resolved via the Kalman Filter. The results obtained indicate that the predictive efficiency of the state space model is significantly higher than that of the other models brought up. It is concluded, therefore, that this proposed modeling approach appropriately reproduces the historical behavior of the characteristic of interest analyzed, that is, the demand