Miniatura

Fitxers

659290.pdf (378.66 KB)

Tipus de document

Article

Versió

Versió publicada

Data de publicació

2016

Tots els drets reservats

Si us plau utilitzeu sempre aquest identificador per citar o enllaçar aquest document: https://hdl.handle.net/2445/105829

Modelling tourism demand to Spain with machine learning techniques. The impact of forecast horizon on model selection

Títol de la revista

Autors

Director/Tutor

ISSN de la revista

Títol del volum

Recurs relacionat

http://www.revecap.com/revista/numeros/72/72_inv06.html

Resum

This study assesses the influence of the forecast horizon on the forecasting performance of several machine learning (ML) techniques. We compare the forecast accuracy of Support Vector Regression (SVR) to Neural Network (NN) models, using a linear model as a baseline. We focus on international tourism demand to all seventeen regions of Spain. The SVR with a Gaussian radial basis function kernel outperforms the rest of the models for the longest forecast horizons. We also find that ML methods improve their forecasting accuracy with respect to linear models as forecast horizons increase. This results shows the suitability of SVR for medium and long term forecasting.

Matèries

Previsió econòmica, Turisme, Desenvolupament econòmic, Xarxes neuronals (Informàtica)

Matèries (anglès)

Economic forecasting, Tourism, Economic development, Neural networks (Computer science)

Citació

Col·leccions

Articles publicats en revistes (Econometria, Estadística i Economia Aplicada)

Citació

CLAVERÍA GONZÁLEZ, Óscar, MONTE MORENO, Enric, TORRA PORRAS, Salvador. Modelling tourism demand to Spain with machine learning techniques. The impact of forecast horizon on model selection. _Revista de Economia Aplicada_. 2016. Vol. XXIV, núm. 72, pàgs. 109-132. [consulta: 25 de febrer de 2026]. ISSN: 1133-455X. [Disponible a: https://hdl.handle.net/2445/105829]

Exportar metadades

JSON - METS

Compartir registre