DOI:
https://doi.org/10.14483/2322939X.11004Publicado:
2015-12-08Número:
Vol. 12 Núm. 2 (2015)Sección:
Investigación y DesarrolloMinería de datos en series de tiempo
Data’s Minery in Series of Time
Palabras clave:
coeficiente de Hurst, desviación estándar, rango reescalado (es).Palabras clave:
Hurst coeficiente, standard desviation, rescaled range (en).Descargas
Resumen (es)
En este trabajo se presenta el análisis en series de tiempo del precio del maíz (Zea Mays L.). Este cultivo es considerado de gran importancia económica a nivel mundial. Se seguirá el proceso clásico de la minería de datos determinando el coeficiente de Hurst (H) obteniendo valores entre 0<H<1. Considerando lo anterior, resulta necesario entender las fluctuaciones en cuanto al precio del maíz que permitan identificar su comportamiento futuro en el mercado, como una enseñanza didáctica de la minería de datos mediante la prueba estadística rango reescalado (R/S), teniendo como resultado en el estado de Sinaloa H=0,494, lo que permite identificar una inestabilidad futura en el mercado con base en el costo del cereal; Jalisco con H=0,580 y Michoacán con H=0,527, lo que muestra estabilidad futura en el costo del maíz.
Resumen (en)
This job represents the analysis in series of time of the corn price (Zea Mays L.) Considered in great economy importance in word level, we can follow the classic proses in the minery data the hurts coefficient. Getting values between 0<H<1. Considering the last we have said is necessary to understand the fluctuations about the corn price letting to identify the behavior in the future market, like a didactic teaching of the minery data through. the statistic range prove (S/R), having the result of H=0,494 letting to identify the future instability in the market in base to the cereal coast, Jalisco with H=0,580 and Michoacán with H=0,527 showing future stability in the coast of the corn.
Referencias
J. M Caridad & J. M. Ocerín, “Econometría: modelos econométricos y series de temporales”, Barcelona: Reverté, 1998.
J. Hand & M. Kamber, “Data Mining.Concepts and Techniques”, Morgan Kaufmann Publishers, 2006.
J. L. Gordillo, E. Martínez & C. R. Stephens, “Develando Estrategias de Mercado: Minería de Datos aplicada al Análisis de Mercados Financieros”. Scielo, México, vol. 16 no 2, pp. 221-231, 2012.
S. Sumathi, & S. Sivanandam, “Introduction to Data Mining and its Applications”, Berlin: Springer. 2006.
J. Hernández; M. J. Ramírez & C. Ferri, “Introducción a la Minería de Datos”, Madrid: Pearson. 2004.
Microsoft Corporation, “Conceptos de Minería de Datos. SQL Server 2012”, 2015, [En línea] Disponible en: http://msdn.microsoft.com/es-es/library/ms174949.aspx
Y. J. Marcano & R. Talavera, “Minería de Datos como soporte a la toma de decisiones empresariales” Scielo, Opción, Maracaibo, vol. 23, no 52, 2007.
J. C. Riquelme & K. Gilbert, “Minería de datos: conceptos y tendencias”, Redalyc, vol. 10, no 29, pp. 11-18, 2006.
F. Hernández & Y. Sánchez, “Minería de datos técnicos aplicada al diagnóstico de entidades clínicas”, Scielo, vol.4, no 2, pp. 174-183, 2012.
C. A. Espinoza & J. P. Mcphee, “Estudio de la geometría fractal en roca fracturada y series de tiempo”, Tesis M. SC., Universidad de Chile, 2008.
G. Cáceres & J. E. Rodríguez., “Agrupamiento de datos de series de tiempo. Estado del arte”, Vínculos, vol. 8, no 1, 2011.
T. I. Contreras, “Análisis fractal de un sistema complejo: epilepsia”. Tesis M. SC., Instituto Politécnico Nacional, 2007.
J. M. Rodríguez, “Clasificación de series de tiempo por minería de datos”. Tesis M. SC., Instituto Politécnico Nacional, México D.F.: 2006.
O. Matamoros; A. Balankin; L. M. Hernández, “Metodología de predicción de precios del petróleo basada en dinámica fractal”, Redalyc, vol. 9, no 1, pp. 3-11, 2005.
R. García, “Sistemas complejos”, Barcelona: Gedisa, p. 202, 2006.
A. Balankin, K. Oleshko, A. Ortega, O. Susarrey, D. Morales, I. Campos, J. Martínez, J. Marquez, A. García, L. Morales & J. García, “Comportamiento fractal de sistemas complejos”, Científica, 2000.
M. I. Almaza, K. López & C. E. Téllez, “Aplicación del análisis de ranfo reescalado R/S para la predicción de genes en el genoma vegetal”, Acta Agron. vol.59, no 4, Palmira, 2010.
H.E. Hurts,, “Long-term storage capacity of reservoirs”, Trans. Am. Soc. Civil Engineers, 116, pp. 770-808, 1951.
O. Sotolongo, “Experencia en la enseñanza de la física de los sistemas complejos en la cátedra Henri Poincaré”. Revista Cubana de Física, vol. 23, no 2, pp.127-134, 2006.
H. E. Hurts C.M.G., M.A., D.Sc. F. Inst. P., “The problem of long-term storage in reservoirs”, International Association of Scientific Hydrology, boletín 1(3), pp. 13-27. DOI: 10.1080/02626665609493644. 2010.
B. B. Mandelbrot, “The Fractal Geometry of Nature”. Oxford: International Business Machines Thomas J. Watson Research Center, 1968.
B. Mandelbrot & J.W.Van Ness, “Fractional noises and applications”. SIAM Review, vol. 10, pp.422-437, 1968.
G. Sierra, “Procesos de Hurts y movimientos browninos fraccionales en mercados fractales”, Revista de Administración, Finanzas y Economía, vol. 1, no 1, pp. 1-21, 2007.
D. Luengas, E. Ardila & J. F. Moreno, “Metodología en interpretación del coeficiente de Hurts”, Redalyc, n.° 5, pp. 265-290, 2010.
P. Adriaans & D. Zantinge, Data mining. Addison Wesley Pub. Co., 1998.
P. Cabena, P. Hadjinian, R. Stadler, J. Verhess & A. Zanasi, Discovering Data Ming from Concept to Implementation. Upper Saddle NJ, Prentice Hall, 1997.
TLCAN (Tratado de Libre Comercio en América Latina). 2015, [En línea] Disponible en: http://www.tlcan.com.mx/
FAO (Food and Agriculture Organization of the United Nations): FAOSTAT (FAO Statistical Databases) Agriculture, Fisheries, Forestry, Nutrition. Roma: 2015. [En línea] Disponible en: http://faostat. fao.org/default.aspx/
M. A. Asturias, “Maíz de alimento sagrado a negocio del hambre”, Ecuador, Ed. Acción Ecológica, pp. 105. 2004.
SIAP (Servicio de Información Agroalimentaria y Pesquera), (2015), [En línea] Disponible en: http://www.campomexicano.gob.mx/campo/index.php
SHCP (Secretaria de Hacienda y Crédito Público 2015, [En línea] Disponible en: http://www.shcp.gob.mx/LASHCP/MarcoJuridico/ContabilidadGubernamental/SCG2014/Pagin as/2014.aspx
J. A. Berry & L. Gordon, Mastering Data Ming. John Wiley, 2000.
U. Fayyad, G. Piatetsky-Shapiro & P. Smyth, “From Data Mining to Knowledge Discovery in Databases”. Al Magazine, vol. 12, n.° 3, 1996.
M. I. Almanza, K. López & C. E. Téllez, “Aplicación del análisis de rango reescalado R/S para la predicción de genes en el genoma vegetal”, Redalyc, Acta Agronómica, vol. 59, n.°4, 2010.
O. Y. Quintero & J. Ruíz, “Estimación del exponente de Hurst y la dimensión fractal de una superficie topográfica a través de la extracción de perfiles”. Revista Geomática, n.°5, pp. 84-91, 2011.
M. A. Velásquez, J. J. Velásquez, J. A. Muñoz, M. R. Martínez, K. Oleschko, I. Sánchez & B. Figueroa, “Invarianza temporal al escalado de series de tiempo con información pluvimétrica diaria”. Rev. Méx. Cienc. Agríc., vol. 1, n.° 4, 2010.
R. Rodríguez, “El coeficiente de Hurst y el parámetro α-estable para el análisis de series financieras aplicación al mercado cambiario mexicano”, Scielo, vol. 59, n.° 1, 2012.
2.png)
