Herramienta ARIMA
Ejemplo de cada herramienta
ARIMA tiene un ejemplo de uso. Consulta Flujos de trabajo de muestra para aprender cómo acceder a este y muchos otros ejemplos directamente en Alteryx Designer.
La herramienta ARIMA estima un modelo de previsiones de series de tiempo, ya sea como modelo de univariable o uno con covariables (predictores), utilizando un método de promedio móvil integrado autorregresivo (o ARIMA). ARIMA es el enfoque de previsión más comúnmente utilizado y se considera la clase más general de modelos para pronosticar un campo de series de tiempo. Los métodos ARIMA implementados en esta herramienta pueden utilizar un enfoque automatizado para desarrollar un modelo basado en criterios estadísticos, o puedes especificar directamente los parámetros subyacentes de un modelo ARIMA. Puedes encontrar un análisis detallado del modelo ARIMA, junto con una descripción de los métodos automatizados utilizados en esta herramienta, en el Capítulo 8 del libro en línea de Hyndman y Athanasopoulos Forecasting: Principals and Practice.
Nota
Esta herramienta utiliza la herramienta R. Ve a Opciones > Descargar herramientas predictivas e inicia sesión en el portal Descargas y licencias de Alteryx para instalar R y los paquetes utilizados por la herramienta R. Visita Descargar y usar herramientas predictivas.
Conecta un flujo de datos de Alteryx que contenga datos históricos sobre las series temporales que se van a pronosticar y (opcionalmente) un conjunto de covariables. Los campos que no se utilizarán en la creación del modelo también pueden estar presentes en el flujo de datos.
Usa la pestaña Parámetros obligatorios para establecer los controles básicos necesarios para crear un modelo ARIMA.
Nombre del modelo: cada modelo debe tener un nombre para su posterior identificación. Los nombres del modelo deben comenzar con una letra y pueden contener letras, números y los caracteres especiales de punto (“.”) y guion bajo (“_”). No se permite el uso de otros caracteres especiales. Además, R distingue entre mayúsculas y minúsculas.
Selecciona el campo objetivo: selecciona el campo del flujo de datos que quieres predecir. Las mediciones para este campo deben realizarse a intervalos regulares de tiempo (por ejemplo, diarios, mensuales, trimestrales, etc.). Las columnas que contienen identificadores únicos, como claves primarias subrogadas y claves primarias naturales, no deben utilizarse en análisis estadísticos. No tienen ningún valor predictivo y pueden causar excepciones en tiempo de ejecución.
¿Utilizar covariables en la estimación del modelo?: si marcas esta opción, se te presentará una lista de casillas para seleccionar los campos a utilizar como covariables en el modelo ARIMA.
Frecuencia del campo objetivo: elige el intervalo de tiempo para las observaciones del campo objetivo.
Utiliza la pestaña Personalización del modelo (opcional) para configurar controles que ajustan la manera en que el modelo procesa datos.
Personalizar los parámetros utilizados para la creación automática del modelo…: selecciona esta opción para exponer un conjunto de parámetros que influyen en la creación automática de modelos. Las opciones incluyen la capacidad de…
Ajustar los componentes no estacionales, incluido el nivel de primera diferenciación, el orden máximo del componente autorregresivo y el orden máximo del componente promedio móvil.
Ajustar los componentes estacionales, incluido el nivel de diferenciación estacional, el orden máximo del componente autorregresivo estacional y el orden máximo del componente promedio móvil estacional.
Selecciona los criterios de información utilizados para seleccionar entre diferentes modelos de candidatos. Por defecto, se utiliza el criterio de información de Akaike corregido (AICc), pero en su lugar se puede seleccionar el criterio de información de Akaike no corregido (AIC) o el criterio de información bayesiano (BIC).
También puedes determinar si todos los modelos posibles son estimados y comparados (enumeración completa) en lugar de usar el algoritmo escalonado predeterminado. Se ha demostrado que el algoritmo escalonado tiene buenas características de rendimiento y es mucho menos intensivo desde el punto de vista computacional; sin embargo, no se garantiza encontrar el mejor modelo individual. Al estimar todos los modelos ARIMA posibles, se encontrará el mejor modelo individual, pero con un tiempo de ejecución significativamente mayor. Si se selecciona la enumeración completa, puedes poner algunos límites en el espacio buscado estableciendo el orden máximo permitido del modelo. Además, tienes la opción de utilizar múltiples núcleos de la máquina en la que se ejecuta Alteryx.
También se pueden configurar opciones que permitan la “desviación” del modelo y si se aplica una transformación Box-Cox (incluida la configuración del valor de lambda) al campo objetivo.
Modelo especificado completamente por el usuario…: selecciona esta opción para especificar manualmente un modelo ARIMA. Los parámetros requeridos incluyen…
Los componentes no estacionales del orden del componente autorregresivo (p), el grado de la primera diferenciación (d) y el orden del promedio móvil (q).
Los componentes estacionales del orden del componente autorregresivo estacional (P), el grado de diferenciación estacional (D) y el orden del componente del promedio móvil estacional (Q).
También se pueden configurar opciones que permitan la “desviación” del modelo y si se aplica una transformación Box-Cox (incluida la configuración del valor de lambda) al campo objetivo.
Utiliza la pestaña Otras opciones a fin de configurar parámetros adicionales para períodos.
Período inicial de la serie (opcional): esta opción te permite especificar el período inicial de la serie temporal, que se refleja en el diagrama de previsión. Si Frecuencia del campo objetivo se establece en Por hora, A diario (todos los días) o A diario (solo días de semana), esta opción no está disponible.
La cantidad de períodos que se debe incluir en el gráfico de pronósticos: este gráfico contiene los datos originales y una serie de puntos futuros previstos (junto con intervalos de confianza del 80 % y del 95 % alrededor de los puntos previstos). Puedes especificar el número de períodos que se deben prever en el futuro para el grafico.
Seleccionar formato de semana: esto te permite elegir un método para especificar las semanas de trabajo. Estas opciones se relacionan con lo que constituye la primera semana del año, y en qué día de la semana comienza una semana.
US: el domingo es el primer día de la semana.
Reino Unido: el lunes es el primer día de la semana.
ISO8601: el lunes es el primer día de la semana.
Utiliza la pestaña Opciones de gráficos a fin de establecer los controles para la salida gráfica.
Tamaño del gráfico: selecciona pulgadas o centímetros para el tamaño del gráfico.
Resolución del gráfico: selecciona la resolución del gráfico en puntos por pulgada: 1x (96 dpi), 2x (192 dpi) o 3x (288 dpi).
La resolución más baja crea un archivo más pequeño y es mejor para ver en un monitor.
Una resolución más alta crea un archivo más grande con una mejor calidad para imprimir.
Tamaño de fuente base (puntos): selecciona el tamaño de la fuente del gráfico.
Ancla O: consiste en un flujo de salida que contiene el objeto del modelo ARIMA que se puede utilizar tanto para previsiones puntuales como para un intervalo de confianza de percentil especificado por el usuario que rodea esas previsiones.
Ancla R: consiste en los fragmentos de informe generados por la herramienta ARIMA (un resumen estadístico, diagramas diagnósticos de autocorrelación y diagramas de previsión).
Ancla I: un panel de control HTML interactivo con diagramas y métricas. Selecciona los diferentes elementos gráficos para interactuar con las visualizaciones para revelar más información, valores, métricas y análisis.
Comportamiento esperado: cálculos de diagramas
El diagrama de previsión utiliza una fecha predeterminada para los cálculos si se utiliza alguna de estas opciones de configuración:
La Frecuencia del campo objetivo se establece en Por hora, A diario (todos los días) o A diario (solo días de semana).
La Frecuencia del campo objetivo se establece en Semanal, Mensual, Trimestral o Anual, y el Período de inicio de la serie no se establece.
La fecha predeterminada utilizada puede variar, lo que hace que el cálculo parezca aleatorio.