Large scale Bayesian dynamic forecasting for count time series

Abstract

Dealing with uncertainty has been, and continues to be, an important problem to be taken into account in day-to-day activities of companies and governments. The uncertainty about some future values, whether it is the price of energy, the evolution of an epidemic, the intensity of rainfall, etc., poses difficulties for making adequate decisions. Therefore, the development of accurate forecasting models is of great importance. On many occasions, the uncertainty is about future observations that take non-negative integer (counts) values. For the treatment of the corresponding count time series, although the use of traditional models is possible, dedicated models that assume non-negative integer observations present numerous advantages, e.g. point forecasts that are easier to interpret and prediction intervals that will not include unfeasible values. The purpose of this industrial PhD thesis, is to contribute to the state of the art in the context of time series modeling with count data...

El tratamiento de la incertidumbre ha sido, y continúa siendo, un importante problema a tener en cuenta en el día a día de empresas y gobiernos. La incertidumbre sobre ciertos valores ya sea el precio de la energía, la evolución de una epidemia, la intensidad de precipitaciones, etc., plantea dificultades para una toma de decisiones adecuada y, por lo tanto, el desarrollo de modelos de predicción precisos es de gran utilidad. En muchas ocasiones, la incertidumbre se refiere a observaciones futuras que toman valores enteros no negativos o de conteo. Para el tratamiento delas series temporales correspondientes, aunque sea posible el uso de modelos tradicionales, los modelos dedicados que consideran observaciones enteras y no negativas presentan numerosas ventajas, e.g. predicciones puntuales más fáciles de interpretar e intervalos de predicción que nunca incluyen valores no factibles. El objeto de esta tesis, resultado de la realización de un doctorado industrial, es contribuir al estado del arte en el contexto de la modelización de series temporales con datos de conteo...