[spa] Este trabajo analiza las ventas semanales
de billetes de avión de una gran compañía
aérea española entre enero 2014 y agosto
de 2019. Se utilizan los modelos predictivos
más avanzados en la literatura para prever
la venta futura de billetes de avión tales
como ARIMA, SARIMA, Holt-Winters, ETS
(error, tendencia y estacionalidad) de
Hyndman, Koehler, Ord, & Snyder (2008) y
un ETS robusto de Crevits & Croux (2018).
Se comparan los errores de predicción fuera
de la muestra de cada modelo y se emplea
un contraste de comparación de desempeño
de predicciones fuera de la muestra entre los
modelos. Se verifica que el mejor modelo
predictivo para la venta de billetes de avión
es el ETS, al ser un método muy flexible, con
mucha adaptabilidad al ponderar más las
últimas observaciones, y define cada
componente de la serie temporal de manera
individual. Estas predicciones pueden ser
muy interesantes para la compañía con su
objetivo de maximizar beneficios al predecir
con buena precisión sus ventas futuras.
[eng] In this study, we analyze the weekly sales of
flight tickets of a large Spanish airline
company from January 2014 to August 2019.
We apply state-of-the-art forecast models in
the literature to predict the future sale of
airline tickets such as ARIMA, SARIMA, HoltWinters, ETS (error, trend, and seasonality)
of Hyndman, Koehler, Ord, & Snyder (2008),
and the robust ETS of Crevits & Croux
(2018). We compare the out-of-sample
forecast errors of each model, and we
employ a test of comparison of out-of-sample
forecasts between the models. We find that
the best forecast model for ticket airline sales
is the ETS model, which is a flexible method
that weights the observations and specifies
each component of the time series
individually. Our results are useful for the
airline company for maximizing profits by
correctly predicting future sales.