Metodologías basadas en estimación espectral para predicción en series temporales cortas

Resumen

La presente tesis representa la culminación de un trabajo de síntesis que pretende mostrar la viabilidad de la aplicación de algoritmos avanzados de Proceso Digital de Señales al campo de la Economía, concretamente a la pedicción de series económicas cortas. El estudio se ha centrado en las seis económicas cuasi-periódicas, centrándose en el caso de disponer de pocos datos, situación que puede causar problemas a los métodos clásicos. La tesis comienza con un capítulo de introducción a la teoría de los Sistemas en Tiempo Discreto, capítulo necesario para sentar las bases de la perspectiva de análisis de series temporales que se va a utilizar en el trabajo. Asimismo se incluye una sección con la relación entre las perspectivas y nomenclatura utilizada en el ámbito del análisis econométrico de las series económicas y el análisis basado en técnicas de tratamiento digital de señales. Seguidamente se incluye un capítulo dedicado a sentar las bases de los procedimientos de análisis y modelado de series formadas por exponenciales complejas en ruido, claves para el desarrollo de la tesis. En los dos capítulos siguientes se realizan y analizan dos procedimientos: un método de ajuste con exponenciales complejas y un método basado en las propiedades de la autoestructura de la matriz de autocorrelación del proceso estocástico. Se presentan dichos procedimientos, se verifica la viabilidad de los métodos, aplicándoles al análisis y predicción de segmentos con pocos datos de series económicas reales, concluyéndose sus buenas prestaciones. Finalmente se proponen unas líneas de continuidad que permitirán seguir con los trabajos iniciados en la Tesis.