Tesis doctoral de Massimiliano Marinucci
La tesis investiga aspectos estadísticos y computacionales relativos a la automatización de procedimientos útiles para problemas de previsión bajo condiciones de estacionariedad. El problema de la previsión se plantea desde el punto de vista de la aproximación a un proceso de generación de los datos que, como es habitual en campo económico, es desconocido a priori. Las contribuciones principales de esta tesis son los siguientes: 1) el desarrollo de un software denominado retina winpack, que consta de un programa que automatiza la selección de variables explicativas, y sugiere al usuario un conjunto de especificaciones útiles para la previsión. 2) un experimento monte carlo donde se muestra la validez de retina en comparación con otros métodos como herramienta de construcción de modelos de previsión en comparación con el método stepwise, gets (general to specific) y otros basados en estimadores de contracción como son la regresión cresta (ridge regresión), el garrote no-negativo y los más recientes métodos lasso y lars. 3) una aplicación del método retina a datos de telecomunicaciones para la previsión de la demanda de servicios de telefonía básica por parte de una muestra de más de 10000 empresas norteamericanas. 4) el desarrollo de una metodología denominada retinet que extiende y generaliza la metodología retina incluyendo formas funcionales del tipo redes neuronales, automatiza el procedimiento de construcción de especificaciones aún más flexibles de las que ofrece retina, y representa una válida alternativa a otros métodos de especificación y estimación de modelos de redes neuronales, siendo éstas habitualmente dificultadas por problemas de tipo numéricos en la fase de estimación y de decisión sobre las variables explicativas a considerar como inputs. 5) finalmente la tesis provee evidencia de la efectividad del método retinet frente metodologías alternativas en la literatura sobre redes neuronales y ata mining utilizando datos series temporales non-lineales. Las metodologías que se presentan son susceptibles de ser adaptadas a otros ámbitos donde la naturaleza de los datos a modelizar es no lineal. La disponibilidad de herramientas de modelización automática de este tipo es de interés especialmente en los campos donde se necesita tomar decisión en tiempo real dependiendo de la evolución futura de una determinada variable objetivo.
Datos académicos de la tesis doctoral «Automatic prediction and model selection«
- Título de la tesis: Automatic prediction and model selection
- Autor: Massimiliano Marinucci
- Universidad: Complutense de Madrid
- Fecha de lectura de la tesis: 22/01/2008
Dirección y tribunal
- Director de la tesis
- Teodosio Perez Amaral
- Tribunal
- Presidente del tribunal: alfonso Novales cinca
- isabel Ayuda (vocal)
- michael John mcaleer (vocal)
- césar Molina sans (vocal)