Sin ánimo de entrar en polémica política, sino simplemente para jugar con los datos, decidí probar mi software de Red Neuronal Artificial para hacer una previsión de múltiples series de datos correlacionadas.

Una de las técnicas de previsión más extendida, consiste en la descomposición y análisis de series temporales. Es una técnica sencilla (que tiene algunas variantes) y que parte de una premisa a mi entender incorrecta: los datos de la serie dependen del tiempo (y sólo del tiempo). Esto no es así, la variable de la serie es el resultado de una función que depende del tiempo y también de muchas otras variables que no caben en el modelo. Es decir, que la serie a pronosticar también depende (o está correlacionada) con otras series de datos además del tiempo.

¿Qué hacer entonces para poder realizar una previsión? Una de las posibilidades es utilizar un modelo de Red Neuronal Artificial. En este modelo se parte de un conjunto de series y datos conocidos. Estos datos son utilizados para un proceso de entrenamiento y ajuste de los pesos de la red. Una vez entrenada la red, se podrán calcular o pronosticar unas variables de salida a partir de un conjunto de datos de entrada.

Este año 2015 está siendo, y promete aún más, ser divertido en términos políticos. No hace falta más que encender la televisión o la radio para observar como prácticamente no se habla de otra cosa. Hace unos pocos días salió publicado el último barómetro (o encuesta) que el CIS hace sobre la intención de voto directo y la estimación de voto (cocina) para las próximas elecciones del 2015. Fue entonces cuando al leer el interesante artículo de Kiko Llaneras (@kikollan) se me ocurrió que podría usar esos datos para probar mi red neuronal.

Le pedí el conjunto de datos a Kiko Llaneras, que muy amablemente no tardó en compartir conmigo. Gracias Kiko!! Durante un día he entrenado mi red para pronosticar tanto la estimación de voto, como la intención de voto directo. Estos han sido los resultados (clic en la imagen para ampliar).

No me interesa acertar el resultado de las elecciones. De hecho, estaréis de acuerdo conmigo en que es realmente difícil ya que el panorama político en España es tremendamente incierto y turbulento… las noticias sobre corrupción, el paro, la crisis internacional, la desigualdad, la aparición del nuevo partido Podemos… y el horizonte a varios meses vista hace muy poco previsible la decisión de los votantes.

Sin  embargo estoy satisfecho con el modelo RNA, que fue capaz de aprender y reproducir (líneas discontinuas) el comportamiento de 10 series simultáneamente (10 partidos políticos en líneas continuas) y que están correlacionadas  con un error promedio del 2.2% para la estimación de voto, y del 3.6% para la intención de voto directo (el error  promedio máximo es de aprox. el 5% para el conjunto de series).

¿Acertaré los resultados del próximo barómetro CIS?… lo veremos dentro de unos meses. En cualquier caso, los pronósticos del modelo confirman varias tendencias por todos conocidas:

• se acabó el bipartidismo
• PP y PSOE tienen tendencia a la baja, aunque podrían tener tiempo para recuperarse
• Podemos irrumpe con fuerza, pero tal vez toque techo
• otros partidos como UPyD, IU, Cs varían sus resultados dependiendo de los anteriores
• existe una gran incertidumbre a varios meses vista

Este modelo tiene sus aplicaciones prácticas para multitud de otros casos, como por ejemplo la previsión de la demanda para un conjunto de productos que forman parte de un catálogo. Si no votas a un partido es porque decides votar a otro, del mismo modo que tu elección de compra se decanta entre un producto y otro. Se podrían haber usado datos de otras encuestas, y en el futuro tal vez vaya retro-alimentando el modelo con nuevos datos a medida que nos acerquemos a las elecciones.

Como veis, todo cambia!