Browsing by Subject "Time series"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Detección de anomalías en datos meteorológicos mediante métodos de análisis avanzados
    (Pontificia Universidad Javariana Cali, 2025) Mena Ramírez, Yamuna Devi; Buss Molina, Antal Alexander
    Dada la creciente incidencia de fenómenos climáticos, como ciclones, sequías e intensas lluvias, anticipar y estudiar los cambios en las condiciones atmosféricas se ha convertido en una prioridad para países como Colombia, que cuentan con amplias áreas costeras. Estos eventos representan no solo un riesgo significativo para el medio ambiente y la seguridad, sino que también exigen un entendimiento profundo de las dinámicas atmosféricas. Las series de tiempo meteorológicas son herramientas clave en este contexto, ya que permiten el monitoreo continuo de variables climáticas, como la temperatura, la presión, la humedad y la precipitación, facilitando la identificación y estudio de patrones y anomalías que podrían anticipar eventos climáticos. En este contexto, se abordaron las limitaciones actuales en la detección de anomalías en los datos meteorológicos de la Dirección General Marítima en Colombia, siguiendo la metodología CRoss Industry Standard Process for Data Mining (CRISP-DM). Se propuso un enfoque híbrido que combina un algoritmo estadístico diseñado para la detección de anomalías naturalmente imposibles relacionadas con sensores, con un método más robusto que permite detectar días completos como eventos anómalos, en el que se seleccionaron las series multivariadas mediante un análisis de correlación, donde se identificaron las variables que presentaban mayor interdependencia. Luego, se aplicó el clustering utilizando los algoritmos K-means y DBSCAN, con enfoques tanto locales como globales. Los mejores resultados de evaluación se obtuvieron con el enfoque global aplicado a la serie multivariada que incluye temperatura del aire y humedad relativa, mostrando un puntaje de silueta de 0.67 y un índice de Davies Bouldin 0.54 para DBSCAN.
  • Thumbnail Image
    Item
    Predicción de la tasa de cambio EUR/USD: comparación de modelos de Deep Learning con diversos tipos y cantidades de datos de entrenamiento
    (Pontificia Universidad Javeriana Cali, 2025) Caicedo León, Andrés; Bastidas Caicedo, Harvey Demian; Sarmiento, Cristian Camilo; Pabón Burbano, María Constanza
    La predicción de la tasa de cambio del par EUR/USD es un desafío significativo debido a la naturaleza no lineal de las series temporales financieras, las técnicas de Deep Learning son capaces de detectar patrones no lineales y son usadas para este tipo de predicciones, pero su desempeño varía dependiendo de los datos de entrenamiento usados. Este proyecto se enfoca en evaluar cómo la cantidad y el tipo de datos de entrenamiento, incluyendo datos sintéticos, afectan la precisión y la robustez de modelos predictivos de Deep Learning. Este proyecto aborda la necesidad de seleccionar adecuadamente la configuración de modelos y datos para mejorar las predicciones a corto y largo plazo de tres modelos de Deep Learning: Redes Neuronales Convolucionales (CNN), Redes de Memoria a Largo Plazo (LSTM) y Transformadores. Se midió, usando métricas de precisión y robustez, el desempeño de los modelos entrenados con distintas cantidades de datos de entrenamiento y la inclusión de distintos tipos de datos como indicadores técnicos y fundamentales. Además, se evaluó la efectividad de los datos sintéticos de entrenamiento en el desempeño de los modelos. El objetivo principal es determinar cómo diferentes configuraciones de modelos y datos afectan la precisión y robustez de las predicciones de la tasa de cambio EUR/USD. Con esto se espera crear un conjunto de resultados que permitan seleccionar la mejor configuración de modelos y datos a usar para el entrenamiento de predictores, lo que puede ser una herramienta académica y puede usarse en la toma de decisiones en el mercado de divisas, ya que la predicción de tasas es crucial para elaborar estrategias de trading y desarrollar herramientas analíticas avanzadas para el sector financiero.
  • Thumbnail Image
    Item
    Relación entre el crecimiento económico y el mercado laboral para el Distrito especial de Cali: Una aproximación desde la Ley de Okun
    (Pontificia Universidad Javeriana Cali, 2024) Duque Cárdenas, David Alejandro; Sierra Suárez, Lya Paola; Cerón Ordóñez, Julieth Stefens
    Dentro de los conceptos presentes en las ciencias económicas se encuentra la ley de Okun propuesta por el economista estadounidense Arthur Okun en su artículo “Potencial GNP: It´s Measurement and Significance” (Okun, 1962) la cual establece la existencia de una relación negativa entre la tasa de desempleo y el crecimiento económico de un país/región. Es decir, una variación positiva en el crecimiento económico traerá como consecuencia una reducción en la tasa de desempleo. Un no cumplimiento de esta ley por consiguiente representaría una afectación de la fuerza laboral, debido a que el aumento en la actividad económica no estaría representando un aumento en la cantidad de puestos de trabajo, por lo cual las nuevas oportunidades laborales que debería tener la sociedad no estarían surgiendo en la realidad. Revisar el posible cambio comportamental (generado en la pandemia y el COVID) existente entre el mercado laboral y el crecimiento económico, contribuye a la facilidad en la toma de decisiones de política monetaria, ya que se genera un mayor conocimiento sobre las repercusiones existentes entre la variación del crecimiento económico y el mercado laboral. De acuerdo con lo anterior, se puede decir que es importante realizar una validación del cumplimiento de la ley de Okun.