La casilla de selección Ignorar valores atípicos al estimar la tendencia utiliza una estrategia para reducir el efecto de los valores atípicos al estimar las regresiones en tendencias deterministas. Esto lleva a una mejora en la estimación de tendencias.
La casilla de selección Forzar previsiones positivas permite que los usuarios fuercen la Serie temporal para generar un modelo positivo (solo con previsiones positivas).
Este parámetro agrupa algunos controles para la función de selección de variables. Al utilizar una selección de variables, se realiza un proceso de selección automática en tendencias o modelos AR durante la competición y el resultado se conserva solo si esto mejora el modelo final.
| Opción | Descripción |
|---|---|
| Porcentaje de contribuciones de variable a mantener | porcentaje de contribuciones conservadas en el proceso de selección automática. El valor predeterminado es 95 %. |
| Activar para todas las tendencias basadas en variables extrapredecibles | lleva a cabo una selección de variables en todas las tendencias basadas en variables extrapredecibles. Las variables de usuario solo se conservan si tienen suficientes contribuciones en la regresión de tendencias. La casilla de selección se habilita de manera predeterminada. |
| Activar para todos los modelos autorregresivos | lleva a cabo una selección automática de variables en los valores pasados de la señal para todos los modelos autorregresivos. Esto lleva a un modelo AR más parsimonioso, es decir, un modelo más simple y un orden inferior. La casilla no está seleccionada de manera predeterminada. |
Serie temporal genera automáticamente las variables necesarias para la modelación. Entre estas, es posible reducir el número de variables cíclicas cambiando el parámetro Longitud máxima de los ciclos analizados y de variables retrasadas creadas cambiando el parámetro Orden máximo del modelo autorregresivo.
| Opción | Descripción |
|---|---|
| Longitud máxima de los ciclos analizados | controla la manera en que Serie temporal analiza las periodicidades en la señal. Esta es la longitud del ciclo más largo que Serie temporal va a intentar detectar. El valor predeterminado es 450. También está limitado por el tamaño del conjunto de datos de estimación. También puede deshabilitar los análisis cíclicos estableciendo este parámetro en cero. |
| Orden máximo del modelo autorregresivo | controla la manera en que Serie temporal analiza las fluctuaciones aleatorias en la señal. Este parámetro define la dependencia máxima que tiene la señal de sus propios valores pasados. Puede establecer este parámetro en cero para deshabilitar el análisis de fluctuaciones. |
Puede reducir el tiempo de cálculo, reduciendo el número predeterminado de variables generadas por Serie temporal. Sin embargo, es recomendable utilizar las opciones predeterminadas, de lo contrario, la calidad de la modelación se puede ver perjudicada.