Series de Tiempo para tasas de descuento de enero 2022 a noviembre de 2025

## 
##  Augmented Dickey-Fuller Test
## 
## data:  descuento.ts
## Dickey-Fuller = -2.1104, Lag order = 5, p-value = 0.5298
## alternative hypothesis: stationary

## 
##  Augmented Dickey-Fuller Test
## 
## data:  na.omit(descuento.diff)
## Dickey-Fuller = -5.3305, Lag order = 5, p-value = 0.01
## alternative hypothesis: stationary

Modelos a evaluar

  • Modelo de Holt-Winter (tendencia y temporalidad)
  • Modelo de Holt (solo tendencia)
  • Modelo Suavizamiento Exponencial Simple

Se tienen 203 datos, se usarán los datos de 2022 a 2024 (apróximadamente 80% de los datos) para el modelo de entrenamiento

Comparación de los modelos

## 
##  Ljung-Box test
## 
## data:  Residuals from HoltWinters
## Q* = 4.2253, df = 21, p-value = 1
## 
## Model df: 0.   Total lags used: 21

## 
##  Ljung-Box test
## 
## data:  Residuals from HoltWinters
## Q* = 40.589, df = 31, p-value = 0.1163
## 
## Model df: 0.   Total lags used: 31

## 
##  Ljung-Box test
## 
## data:  Residuals from HoltWinters
## Q* = 120.12, df = 31, p-value = 1.987e-12
## 
## Model df: 0.   Total lags used: 31
ME RMSE MAE MPE MAPE ACF1 Theil’s U
Holt-Winters -0.5781232 0.6304970 0.5785571 -7.318637 7.323069 0.6071229 4.284962
Holt -0.2926923 0.4210006 0.3611774 -3.949927 4.654936 0.8464621 2.923463
Suav. Exp. -1.4770468 1.7390434 1.4999850 -19.448797 19.681077 0.9349042 12.401506