dc.contributorArango Arango, Mónica Andrea [0000197440]
dc.contributorDíaz Contreras, Jhon Alexis [0000788031]
dc.contributorArango Arango, Mónica Andrea [es&oi=ao]
dc.contributorDíaz Contreras, Jhon Alexis [es&oi=ao]
dc.contributorArango Arango, Mónica Andrea [0000-0002-4051-8627]
dc.contributorDíaz Contreras, Jhon Alexis [0000-0002-6983-181X]
dc.contributorArango Arango, Mónica Andrea [Monica-Andrea-Arango-Arango-2202594431]
dc.contributorDíaz Contreras, Jhon Alexis [Jhon-Diaz-Contreras-2]
dc.creatorDíaz Contreras, Jhon Alexis
dc.creatorArango Arango, Mónica Andrea
dc.creatorRamírez, Yamile
dc.date.accessioned2022-03-30T15:18:16Z
dc.date.accessioned2023-06-12T20:08:04Z
dc.date.available2022-03-30T15:18:16Z
dc.date.available2023-06-12T20:08:04Z
dc.date.created2022-03-30T15:18:16Z
dc.date.issued2020-03
dc.identifierISSN :16469895
dc.identifierhttp://hdl.handle.net/20.500.12749/16107
dc.identifierinstname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifierreponame:Repositorio Institucional UNAB
dc.identifierrepourl:https://repository.unab.edu.co
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/6661434
dc.description.abstractPronosticar el precio de la energía eléctrica es de suma importancia para empresarios, académicos y reguladores, ya que este mercado es fundamental para el desarrollo económico de los países. Su pronóstico es un desafío, ya que es un producto básico que presenta altos niveles de volatilidad, pues su comportamiento depende del clima, el precio de los combustibles y las limitaciones para su almacenamiento. Por tal motivo, se propone un método para pronosticar el precio de la energía eléctrica en el mercado colombiano, basado en modelos económicos; ARIMA-GARCH. A través de las estadísticas se concluyó que el modelo de mayor ajuste por la variación del precio en medios es un ARMA (14.10)–GARCH (1.1), indicando que los decisores considerarán los resultados de los últimos 14 días para diseñar su estrategias de inversión.
dc.languageeng
dc.publisherUniversidad Autónoma de Bucaramanga UNAB
dc.publisherFacultad Ciencias Económicas, Administrativas y Contables
dc.publisherPregrado Economía
dc.relationhttp://www.aisti.eu
dc.relationBalza, L., Espinasa, R., Serebrisky, T. ¿Luces encendidas? Necesidades de Energía para América Latina y el Caribe al 2040 (2016) Banco Interamerciano De Desarrollo, (378), p. 39. Cited 2 times. Retrieved from https://publications.iadb.org/handle/11319/7361
dc.relationMarín, J.B., Orozco, E.T., Velilla, E. Forecasting electricity price in Colombia: A comparison between neural network, ARMA process and hybrid models (2018) International Journal of Energy Economics and Policy, 8 (3), pp. 97-106. Cited 10 times. http://www.econjournals.com/index.php/ijeep/article/download/6181/3684
dc.relationCastillo, Y., Castrillón Gutiérrez, M., Vanegas-Chamorro, M., Valencia, G., Villicaña, E. Rol de las Fuentes No Convencionales de Energía en el sector eléctrico colombiano (2015) Prospectiva, 13 (1), p. 39. Cited 12 times. https://doi-org.aure.unab.edu.co/10.15665/rp.v13i1.358
dc.relationContreras, J.A.D., Villalba, G.I.M., González, E.L. Hedging strategy with products for the Colombian energy market (Open Access) (2014) Estudios Gerenciales, 30 (130), pp. 55-64. Cited 5 times. https://www.icesi.edu.co/revistas/index.php/estudios_gerenciales/article/view/1765/PDF doi: 10.1016/j.estger.2014.02.008
dc.relationInteramericano, E.B. Energía y desarrollo económico en América Latina. (2002) Bolentin Economico De Ice, pp. 31-44.
dc.relationArango, M.A.A., Botero, S.B. The application of real options as a tool for decision-making in the electricity market (2017) Iberian Conference on Information Systems and Technologies, CISTI, 0, art. no. 7975807. Cited 3 times. http://ieeexplore.ieee.org.aure.unab.edu.co/xpl/conferences.jsp ISBN: 978-989984347-9 doi: 10.23919/CISTI.2017.7975807
dc.relationMarín, J.A.V. (2017) Proyección De La Demanda De energía eléctrica Y Potencia máxima En Colombia, p. 32. Cited 4 times.
dc.relationMonsegny, M.C., Cuervo, E.C. Models Arch, Garch and Egarch: Applications to financial series (2008) Cuadernos de Economia, 27 (48), pp. 287-319. Cited 9 times. http://www.scielo.org.co/pdf/ceco/v27n48/v27n48a11.pdf
dc.relationMuñoz-Santiago, A., Urquijo-Vanstrahlengs, J., Castro-Otero, A., Lombana, J. Forecast of energy prices in Colombia using arima-igarch models (Open Access) (2017) Revista de Economia del Rosario, 20 (1), pp. 127-161. https://revistas.urosario.edu.co/xml/5095/509554391005/index.html doi: 10.12804/revistas.urosario.edu.co/economia/a.6152
dc.relationRueda, V.M., Velásquez Henao, J.D., Franco Cardona, C.J. Recent advances in load forecasting using nonlinear models (2011) DYNA (Colombia), 78 (167), pp. 36-43. Cited 10 times. http://www.scielo.org.co/pdf/dyna/v78n167/a04v78n167.pdf
dc.relationTan, Z., Zhang, J., Wang, J., Xu, J. Day-ahead electricity price forecasting using wavelet transform combined with ARIMA and GARCH models (2010) Applied Energy, 87 (11), pp. 3606-3610. Cited 208 times. http://www.elsevier.com.aure.unab.edu.co/inca/publications/store/4/0/5/8/9/1/index.htt doi: 10.1016/j.apenergy.2010.05.012
dc.relationTang, E., Peng, C., Xu, Y. Changes of energy consumption with economic development when an economy becomes more productive (2018) Journal of Cleaner Production, 196, pp. 788-795. Cited 16 times. https://www.journals.elsevier.com/journal-of-cleaner-production doi: 10.1016/j.jclepro.2018.06.101
dc.relationVera, G., Daniel, V., La, P.D.E., Mensual, D., Con, D.E.E. Pronóstico de la demanda mensual de electricidad con series de tiempo (2016) Revista EIA, 13, p. 11.
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rightsAbierto (Texto Completo)
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial-SinDerivadas 2.5 Colombia
dc.sourceRevista Ibérica de Sistemas y Tecnologías de la Información; Número E27 (Marzo 2020); páginas 663-676
dc.titlePronóstico de precio energético en Colombia: Una aplicación econométrica


Este ítem pertenece a la siguiente institución