MEDES-BR: Modelo de estimación de la demanda de billetes de las sucursales del Banco de la República

Abstract

El Banco de la República (BR), el cual ejerce las funciones de banca central en Colombia, es el encargado de emitir y distribuir la moneda legal en todo el territorio nacional. Uno de los principales retos a los que se enfrenta, es determinar adecuadamente la cantidad de billetes que demanda cada una de las sucursales de tesorería por denominación. Las estimaciones calculadas actualmente en el Sistema de Información del Departamento de Tesorería - SIDET no generan la confianza suficiente para tomar decisiones sobre este tema, por lo que es necesario proponer otras alternativas. En este documento se describe una herramienta implementada para el análisis exploratorio de datos y el pronóstico automático de la demanda, a partir de diferentes modelos de series de tiempo tales como: Suavización Exponencial, auto ARIMA, Red Neuronal Autorregresiva, Regresión Lineal para Series de Tiempo, Naive Estacional, BATS, TBATS, Serie de Tiempo Estructural, método Theta, pronóstico de Media y, finalmente, el método de Descomposición Estacional. A partir de dichos modelos es posible realizar los pronósticos de la demanda de billetes para las diferentes sucursales y denominaciones, generando un aporte significativo para la toma de decisiones por parte del Banco de la República.

The Banco de la República (BR), which carries out tasks of central banking in Colombia, is responsible for the issuance and the distribution of the legal currency throughout the whole national territory. One of the main challenges is to determine adequately the amount of banknotes demanded per denomination by each treasury office. The estimations currently calculated from Treasury Department Information System - SIDET do not generate enough confidence to make decisions on this issue, so it is necessary to use other alternatives. This document describes the implemented tool for the data exploratory analysis and automatic demand forcast of banknotes through different time series models. This document describes the following time series models: exponential smoothing, ARIMA, autoregressive neural network, linear regression for time series, seasonal Naive, BATS, TBATS, structural time series, theta method, mean forecast and finally the seasonal decomposition method. Throughout these models it is possible to make forecasts of the demanded banknotes for the different treasury offices and denominations, generating a significant contribution for decision making by Banco de la República.