La demanda turística en una cadena hotelera. Series temporales para un modelo de predicción
Palabras clave:
Demanda turística; Eficacia; Eficiencia; Series temporales.Resumen
En un mundo cada vez más incierto donde la dinámica mundial acelera la forma de gestionar los procesos en cualquier sector cobra mucha importancia el pronóstico de la demanda turística. En tal sentido, la presente investigación tiene como objetivo pronosticar la demanda turística de la Cadena Hotelera Cubanacán de Pinar del Río, Cuba, hasta diciembre del año 2019, mediante el empleo de técnicas de series cronológicas, que facilite la planificación y la toma de decisiones en este sector y de este modo trabajar por el logro de una integración en las cadenas productivas, considerando que el turismo es una de las actividades socioeconómicas que activa muchos otros sectores de la producción y los servicios, así como predecir el comportamiento del turismo. Para ello, se empleó el método cuantitativo de investigación como método rector, sustentado en la metodología Box – Jenkins y el método de alisado exponencial de Holt – Winters. También se logra caracterizar la gestión turística tomando en consideración dos indicadores: el costo por peso y los ingresos medios por turista, haciendo referencia a la eficiencia y eficacia respectivamente. Se realizó, además, un análisis multivariado de series temporales que posibilitó caracterizar la actividad turística en cuatro etapas fundamentales en la cadena hotelera tomada como objeto de estudio.Citas
Al-Musaylh, M. S., Deo, R. C., Adamowski, J. F., & Li, Y. (2018). Short-term electricity demand forecasting with MARS, SVR and ARIMA models using aggregated demand data in Queensland, Australia. Advanced Engineering Informatics. https://doi.org/doi.org/10.1016/j.aei.2017.11.002
Bakar, N. A., & Rosbi, S. (2017). Autoregressive Integrated Moving Average (ARIMA) Model for Forecasting Cryptocurrency Exchange Rate in High Volatility Environment: A New Insight of Bitcoin Transaction. International Journal of Advanced Engineering Research and Science (IJAERS), 4(11). https://dx.doi.org/10.22161/ijaers.4.11.20
Barbosa, A. J., & Gutiérrez, O. P. (2010). Propuesta de un procedimiento para el análisis de la demanda turística. TURyDES, 3(7).
Box, G. E., Jenkins, G. M., & Reinsel, G. C. (1970). Time Series Analysis: Forecasting and Control. John Wiley & Sons, Inc.
Brown, R. G. (1959). Statistical forecasting for inventory control. McGraw/Hil.
Castillo, L. A. F. (2017). Forecast of the National Index of Consumer Prices. Ricea: Revista Iberoamericana de Contaduría, Economía y Administración, 6(12). https://doi.org/10.23913/ricea.v6i12.95
Castro, A. D., & Fernández, R. M. (2014). Pronóstico de la demanda turística hacia Cuba considerando el impacto del cambio climático. Revista Caribeña de Ciencias Sociales. https://econpapers.repec.org/article/ervrccsrc/y_3a2014_3ai_3a2014_5f08_3a01.htm
Crouch, G. I. (1994). The Study of International Tourism Demand: A Survey of Practice. Journal of Travel Research, 32(4), 41-55. https://doi.org/10.1177/004728759403200408
Cruz-Rodríguez, D. S., & González-Laucirica, Á. M. (2014). Turismo senior: Análisis del comportamiento de las edades de los clientes que visitan el hotel x. varadero, cuba. RES NON VERBA, 5, 11.
Díaz-Pompa, F., Leyva-Fernández, L. de la C., Pérez, O. L. O., & Mulet, Y. S. (2020). El turismo rural sostenible en Holguín. Estudio prospectivo panorama 2030. El Periplo Sustentable, 38, 174-193. https://doi.org/10.36677/elperiplo.v0i38.9265
Feng, Y., Li, G., Sun, X., & Li, J. (2019). Forecasting the number of inbound tourists with Google Trends. Procedia Computer Science, 162, 628-633. https://doi.org/10.1016/j.procs.2019.12.032
Gómez, A. L. S. (2012). El pronóstico de la demanda turística incluyendo variables mercadológicas. Turismo y Desarrollo Local, 12.
Hącia, E. (2019). The role of tourism in the development of the city. Transportation Research Procedia, 39, 104-111. https://doi.org/10.1016/j.trpro.2019.06.012
Holt, C. C. (1957). Forecasting seasonals and trends by exponentially weighted averages. Office of Naval Research.
Jadhav, V., Reddy, B. V. C., & Gaddi, G. M. (2017). Application of ARIMA Model for Forecasting Agricultural Prices. Journal of Agricultural Science and Technology, 19(5), 981-992.
Li, C., Ge, P., Liu, Z., & Zheng, W. (2020). Forecasting tourist arrivals using denoising and potential factors. Annals of Tourism Research, 83, 102943. https://doi.org/10.1016/j.annals.2020.102943
Li, G., Song, H., & Witt, S. F. (2005). Recent developments in econometric modeling and forecasting. Journal of Travel Research, 44(1), 82–99.
Li, S., Chen, T., Wang, L., & Ming, C. (2018). Effective tourist volume forecasting supported by PCA and improved BPNN using Baidu index. Tourism Management, 68, 116-126. https://doi.org/10.1016/j.tourman.2018.03.006
Liu, H., Li, C., Shao, Y., Zhang, X., Zhai, Z., Wang, X., Qi, X., Wang, J., Hao, Y., Wu, Q., & Jiao, M. (2020). Forecast of the trend in incidence of acute hemorrhagic conjunctivitis in China from 2011–2019 using the Seasonal Autoregressive Integrated Moving Average (SARIMA) and Exponential Smoothing (ETS) models. Journal of Infection and Public Health, 13(2), 287-294. https://doi.org/10.1016/j.jiph.2019.12.008
Madrazo, L. M. R., Campdesuñer, R. P., Hernández, M. E. N., & Ferrer, J. G. (2009). Modelo y procedimiento para la gestión de la demanda turística. Ciencias Holguín, 15(3), 1–12.
Milenković, M., Švadlenka, L., Melichar, V., Bojović, N., & Avramović, Z. (2018). Sarima modelling approach for railway passenger flow forecasting. Transport, 33(5), 1113–1120. https://doi.org/10.3846/16484142.2016.1139623
Petrevska, B. (2017). Predicting tourism demand by A.R.I.M.A. models. Economic Research-Ekonomska Istraživanja, 30(1), 939-950. https://doi.org/10.1080/1331677X.2017.1314822
Rahman, A., & Ahmar, A. S. (2017). Forecasting of primary energy consumption data in the United States: A comparison between ARIMA and Holter-Winters models. American Institute of Physics. http://dx.doi.org/10.1063/1.5002357
Song, H., & Li, G. (2008). Tourism demand modelling and forecasting—A review of recent research. Tourism Management, 29(2), 203-220. https://doi.org/10.1016/j.tourman.2007.07.016
Song, H., Qiu, R. T. R., & Park, J. (2019). A review of research on tourism demand forecasting: Launching the Annals of Tourism Research Curated Collection on tourism demand forecasting. Annals of Tourism Research, 75, 338-362. https://doi.org/10.1016/j.annals.2018.12.001
Su, Y., Gao, W., Guan, D., & Su, W. (2018). Dynamic assessment and forecast of urban water ecological footprint based on exponential smoothing analysis. Journal of Cleaner Production, 195, 354-364. https://doi.org/10.1016/j.jclepro.2018.05.184
Winters, P. R. (1960). Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 6(3), 324-342. https://doi.org/10.1287/mnsc.6.3.324
Wu, D. C., Song, H., & Shen, S. (2017). New developments in tourism and hotel demand modeling and forecasting. International Journal of Contemporary Hospitality Management, 29(1), 507-529. https://doi.org/10.1108/IJCHM-05-2015-0249
Xie, G., Qian, Y., & Wang, S. (2020). A decomposition-ensemble approach for tourism forecasting. Annals of Tourism Research, 81, 102891. https://doi.org/10.1016/j.annals.2020.102891
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Reinier Fernández López, José Alberto Vilalta Alonso, Arely Quintero Silverio, Ledy Díaz GonzálezAtribución-NoComercial 2.5 Argentina (CC BY-NC 2.5 AR)
Usted es libre de:
- Compartir - copiar y redistribuir el material en cualquier medio o formato
- Adaptar - remezclar, transformar y construir a partir del material
La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución - Usted debe dar crédito de manera adecuada, brindar un enlace a la licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial - Usted no puede hacer uso del material con propósitos comerciales.
- No hay restricciones adicionales - No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
Avisos:
No tiene que cumplir con la licencia para elementos del material en el dominio público o cuando su uso esté permitido por una excepción o limitación aplicable.
No se dan garantías. La licencia podría no darle todos los permisos que necesita para el uso que tenga previsto. Por ejemplo, otros derechos como publicidad, privacidad, o derechos morales pueden limitar la forma en que utilice el material.
