Predicción

Predecir consiste en hacer afirmaciones sobre algo que ocurrirá, a menudo a partir de información del pasado y del estado actual.

Todos resolvemos el problema de la predicción todos los días, con distintos grados de éxito. Por ejemplo, es necesario predecir el clima, las cosechas, el consumo de energía, los movimientos de los pares de divisas Forex o los precios de las acciones, los terremotos y muchas otras cosas.

En el ámbito técnico, los parámetros predecibles de un sistema a menudo pueden expresarse y evaluarse mediante ecuaciones; entonces la predicción es simplemente la evaluación o la resolución de esas ecuaciones. En la práctica, sin embargo, a menudo nos enfrentamos a problemas en los que una descripción así sería demasiado complicada o incluso imposible. Además, resolver el problema de esa manera puede ser computacionalmente costoso, y a veces el resultado llegaría solo después de que el evento predicho ya haya ocurrido.

Es posible utilizar varias aproximaciones, por ejemplo la regresión de la dependencia de la variable predicha respecto de otros factores, que luego se extrapola hacia el futuro. Encontrar una aproximación así también puede ser difícil. En general, este enfoque significa construir un modelo del fenómeno predicho.

Las redes neuronales pueden utilizarse para la predicción con distintos niveles de éxito. Entre sus ventajas está el aprendizaje automático de dependencias directamente a partir de datos medidos, sin necesidad de agregar más información (como el tipo de dependencia, como ocurre en la regresión). La red neuronal se entrena con datos históricos con la esperanza de que descubra dependencias ocultas y de que sea capaz de utilizarlas para la predicción futura. En otras palabras, una red neuronal no está representada por un modelo definido explícitamente. Es más bien una caja negra que puede aprender relaciones útiles.

Es posible predecir distintos tipos de datos; sin embargo, en el resto de este texto nos centraremos en la predicción de series temporales (véase la figura 1). Una serie temporal muestra la evolución de un valor en el tiempo. Por supuesto, el valor puede estar influido por factores distintos del tiempo. Una serie temporal representa la historia discreta de un valor, y puede obtenerse a partir de una función continua mediante muestreo.

Figura 1 - Ejemplo de serie temporal