Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)Serna Suárez, Iván DavidQuiroga Quiroga, Óscar ArnulfoSantana Montes, Michael AngeloCuéllar Macías, Brayan Fernando2022-04-192022-04-192022-03-302022-03-30https://noesis.uis.edu.co/handle/20.500.14071/9974En el mercado de energía eléctrica de Colombia, la predicción confiable del precio de bolsa en el corto plazo representa un papel fundamental en las estrategias de planeación y licitación de los agentes participantes para poder maximizar sus beneficios en la dinámica del mercado. En este documento se desarrollaron dos metodologías a fin de pronosticar el valor promedio del precio de bolsa a partir del enfoque de las series de tiempo, utilizando como técnicas de modelado el método ARIMA y un método de regresión dinámica que involucra la serie de los aportes hídricos en calidad de variable predictora. El conjunto de datos empleado contiene la información de las series de tiempo de los aportes hídricos y del precio de bolsa en el periodo comprendido entre el año 2016 y 2020, la elaboración de las predicciones se desarrolló a partir de una de ventana entrenamiento móvil con duración de un año. Los resultados muestran que la técnica ARIMA es ligeramente superior a la de regresión dinámica, sin embargo, la magnitud de los errores de predicción de los modelos se encuentra muy cercanas, demostrando que la inclusión de los aportes hídricos como variable predictora puede mejorar la precisión de los pronósticos.application/pdfspainfo:eu-repo/semantics/openAccessAportes hídricosARIMAmercado de energíaprecio de bolsapronósticoregresión dinámicaseries de tiempoUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coHydraulic inputsARIMAenergy marketstock market priceforecastdynamic regressiontime serieshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)