Predicción de precios del petróleo WTI a través de modelos autorregresivos integrado de medias móviles (ARIMA) y redes neuronales: 2022
-
-
[1] Universidad Nacional Autónoma de México
Universidad Nacional Autónoma de México
México
-
- Localización: Nuevas perspectivas en ciencia y tecnología: El papel transformador de la inteligencia artificial, 2024, ISBN 9789978110737, págs. 32-44
- Idioma: español
- Títulos paralelos:
- WTI oil price forecasting through autoregressive integrated moving average (ARIMA) and neural network models: 2022
- Enlaces
-
Resumen
- español
El petróleo es uno de los recursos más valiosos del mundo, desempeñando un papel fundamental en la estabilidad financiera de numerosos países. Al predecir el precio del barril de petróleo mediante únicamente el precio de mercado es insuficiente, ya que existen factores exógenos que influyen directamente en su comportamiento. Esta investigación tiene como fin saber cuál es el modelo que mejor predice los precios del petróleo comparando el error absoluto medio y error porcentual de los diferentes modelos. Para los modelos ARIMA (3, 0, 1), (3, 1, 1), (3, 1, 2), (0, 1, 0) y (0, 2, 0), usando datos de mercado. Y para el modelo de redes neuronales, usando datos de mercado y datos adicionales como producción de petróleo, tasas de interés, oferta y demanda.
- English
Oil is one of the world’s most valuable resources, playing a fundamental role in the financial stability of many countries. Predicting the price of a barrel of oil using only the market price is insufficient, as there are exogenous factors that directly influence its behavior. This research aims to know which model best predicts oil prices by comparing the models’ mean absolute and percentage errors. For the ARIMA models (3, 0, 1), (3, 1, 1, 1), (3, 1, 2), (0, 1, 0) and (0, 2, 0), using market data. For the neural network model, market data and additional data such as oil production, interest rates, supply, and demand.
- español
