Pronóstico de ventas de vehículos para una concesionaria automotriz mediante las metodologías de box - jenkins y redes neuronales artificiales, año 2019

Abstract

La presente investigación tuvo como objetivo determinar el pronóstico de las ventas de los vehículos de la Concesionaria Automotriz Interamericana Norte, mediante las metodologías de Box – Jenkins y redes neuronales artificiales, con la finalidad de determinar el pronóstico de ventas vehiculares. En esta investigación se aplicó la metodología de Box – Jenkins y Redes Neuronales con fin predictivo. Se estimaron modelos de aprendizaje con técnicas estadísticas específicas como ARIMA, SARIMA, Redes neuronales, utilizando las técnicas de Retro Alimentación y Recurrentes; los métodos utilizados para el pronóstico de series de tiempo fueron el método de Elman y Jordán; para la comparación de los modelos se utilizaron el menor RMSE y menor porcentaje de MAPE. Para determinar el modelo que mejor ajusta a los datos de serie de tiempo, se obtuvo para la predicción al modelo SARIMA (1,0,2) (0,1,1) [12], presentando menores índices de RMSE con 55,02 y MAPE con un porcentaje de 24,97. Concluyendo que la metodología de Box – Jenkins es una herramienta eficaz para el análisis y pronósticos de las ventas vehiculares de la concesionaria para el año 2019 y así existiendo la posibilidad de optimizar el proceso de gestión de ventas a futuro.

The objective of this research was to determine the forecast of vehicle sales of the North American automotive dealership, this research aims to analyze the Box-Jenkins methodology and artificial neural networks, in order to determine the vehicles sales forecast. In this research, the Box-Jenkins and Neural Networks methodology was applied for predictive purposes. Learning models were estimated with specific statistical techniques such as ARIMA, SARIMA, Neural Networks, using Feedback and Recurrent techniques; the methods used for time series forecasting were Elman and Jordán method; in the comparison of the models were used the lowest RMSE and lowest percentage of MAPE. To determine the model that best fits the time series forecasting, it was obtained for the prediction the SARIMA model (1,0,2) (0,1,1) [12], presenting lower RMSE indices with 55.02 and MAPE with a percentage of 24.97. Concluding that the Box – Jenkins methodology is an effective tool for the analysis and forecasting of the dealership vehicle sales for the year 2019 and thus, there is the possibility of optimizing the sales management process in the future.