Predicción del precio del gas natural usando Python mediante modelos de aprendizaje automático.

Abstract

Hoy es común escuchar que los datos son representan el nuevo petróleo, ya que gracias a los datos recolectados en un pasado es posible predecir, clasificar, ordenar estos datos. El precio del Gas Natural es medido por $u$/MMBTU (dólares por MILLON de BTU), las exportaciones de Gas Natural desde el 2006 hasta el 2020 representaron el 43 % del total de exportaciones del país. Esto rebela que la economía boliviana es bastante dependiente del precio del Gas Natural, de aquí la importancia de ser capaz de predecir el precio del Gas Natural, ya que los contratos que tenemos con la Argentina y Brasil no son precios estáticos. Estos precios de exportación son dinámicos, en el presente trabajo no trataremos esos datos, solo trabajaremos con los precios internacionales del Gas Natural. Con lo anterior descrito nace la necesidad de ser capaz de predecir el precio internacional del Gas Natural mediante Aprendizaje Automático. Los modelos que se usaron fueron: Regresión Lineal, Árbol de decisión y bosque aleatorio. Se planteo tener al menos una exactitud del 70%, ahora para cada modelo para el entrenamiento y la evaluación se trabajó con un rango de 70% para el entrenamiento y 30% para la evaluación, para no caer en problemas de sobre ajuste o sub ajuste. El modelo más eficiente hablando en tiempos de meses sería el modelo de bosque aleatorio que obtuvo una exactitud de 95%.