🔄 AR (Autorregresivo)
El valor actual depende de valores pasados. AR(p): Y_t = φ₁Y_{t-1} + ... + φ_pY_{t-p} + ε_t. Usa PACF para identificar el orden p. Memoria larga del proceso.
📊 MA (Medias Móviles)
El valor actual depende de errores pasados. MA(q): Y_t = ε_t + θ₁ε_{t-1} + ... + θ_qε_{t-q}. Usa ACF para identificar el orden q. Memoria corta de shocks.
📦 ARIMA(p,d,q)
Combina AR + MA + diferenciación (d). La d indica cuántas diferencias se necesitan para hacer la serie estacionaria. Box-Jenkins: Identificar → Estimar → Diagnosticar → Predecir.
🌊 GARCH(p,q)
Modela la varianza condicional (volatilidad). GARCH: σ²_t = ω + αε²_{t-1} + βσ²_{t-1}. Captura clusters de volatilidad. Esencial en finanzas para Value at Risk y trading.
Explora los conceptos con ejemplos practicos disponibles en la simulacion interactiva de este modulo.
Intuicion
Los modelos predictivos usan datos historicos para pronosticar valores futuros o desconocidos.
Formula clave
Cada modelo tiene su formulacion matematica para relacionar predictores con respuesta.
Paso a paso
Sigue la metodologia: entrenamiento, validacion, evaluacion.
Error comun: Sobreajuste
El sobreajuste ocurre cuando el modelo aprende ruido en vez de senal.
Ejemplo concreto
Aplica cada modelo a problemas reales de prediccion.
Conexion
Estos modelos avanzan hacia ML (Curso 5) y aplicaciones (Curso 6).