ChronoScope — Atlas de Pronóstico Univariado con una Capa de Modelos Fundacionales
Un atlas de pronóstico univariado de series de tiempo: 15 casos de diagnóstico (4 reales, licenciados + 11 sintéticos con semilla), cada uno pronosticado por la misma escalera de 19 métodos con MASE/sMAPE/cobertura por backtesting, desde baselines clásicos hasta ML, redes profundas y cuatro modelos fundacionales zero-shot (Chronos-Bolt, Chronos-2, TimesFM-2.5, TiRex-2). Corre en paralelo una suite de análisis estadístico de 10 módulos. Todo se precalcula offline y se reproduce en una SPA estática; una vía en vivo con Pyodide pronostica una serie propia con un núcleo numpy. Honesto por diseño: los modelos fundacionales son solo offline, y en M4-hourly real un SeasonalNaive simple le gana a TimesFM-2.5.
Contexto de Negocio
Cualquiera que deba elegir un método de pronóstico para una señal real (carga, demanda, calidad de aire, un flujo de sensor) enfrenta la misma trampa: adoptar la capa más nueva por ser la más nueva, o quedarse con un baseline por costumbre, sin evidencia para ninguna sobre la serie que tiene delante. ChronoScope es esa evidencia. Muestra, por tipo de comportamiento, dónde cada capa justifica su complejidad y dónde no, para que la elección se haga contra error por backtesting y cobertura calibrada en vez de una promesa de proveedor. También lleva un registro de procedencia de datos con control de licencia: las fuentes no redistribuibles pueden correr en el pipeline privado pero una guarda de exportación testeable impide que sus artefactos derivados se filtren al repo público.
Valor Estratégico
El diferenciador es dato real licenciado más resultados de límite publicados, no un ranking. La capa de modelos fundacionales corre de verdad (cuatro modelos, zero-shot desde checkpoints locales, incluyendo una vía cross-OS difícil para TiRex-2), y su mejor resultado en caso real es fuerte: MASE 0.476 (TiRex-2 en M4-hourly) contra 0.641 de SeasonalNaive. Pero ChronoScope rechaza la afirmación general: en ese mismo caso real un SeasonalNaive de una línea (0.641) le gana a TimesFM-2.5 (0.729), y existen casos dedicados de ruido blanco y camino aleatorio justo como controles de honestidad donde ningún método debería ganar. La cobertura del intervalo se reporta junto al error puntual, exponiendo métodos profundos cuyas bandas de 80% nominal cubren mucho menos. Los modelos fundacionales son solo offline; la vía en vivo del navegador es el núcleo numpy, y la ficha lo dice. Es un patrón reutilizable para selección de métodos hecha sobre evidencia por backtesting con los resultados negativos incluidos.
El Desafío
El pronóstico univariado tiene un espacio de métodos saturado (suavizamiento exponencial, ARIMA, gradient boosting, redes profundas y ahora modelos fundacionales de series de tiempo preentrenados) y un problema de marketing: cada nueva capa llega presentada como ganadora general. Las preguntas útiles son más silenciosas. Sobre qué tipo de serie ayuda de verdad un método dado, si un modelo fundacional preentrenado vale su costo frente a un baseline estacional de una línea, y si el intervalo de predicción que reporta se acerca a su cobertura nominal. La mayoría de las demos no responde ninguna porque corre un método sobre una serie favorecedora.
Nuestro Enfoque
ChronoScope fija el eje y varía el método. Quince casos de diagnóstico aíslan cada uno un comportamiento de serie de tiempo: cuatro son reales y licenciados (UCI Electricity, UCI Beijing PM2.5, Monash/M4 hourly y daily, todos CC-BY-4.0), once son sintéticos deterministas con semilla y generadores propios (estacional, tendencia, demanda intermitente, camino aleatorio, control de ruido blanco, cambio de nivel, volatilidad GARCH, memoria fraccional, Mackey-Glass caótico, promo exógena). Cada caso se pronostica con la misma escalera de 19 métodos: ocho clásicos/estadísticos (SeasonalNaive, SES, Holt, HoltWinters, Theta, AutoETS, AutoTheta, AutoARIMA), uno de ML (LightGBM), seis profundos (NHITS, DLinear, NLinear vía neuralforecast y un motor propio), y cuatro modelos fundacionales zero-shot (Chronos-Bolt, Chronos-2, TimesFM-2.5, TiRex-2, este último vía una vía WSL2/CUDA cross-OS hecha a medida porque sus dependencias no tienen wheels de Windows). Cada par método-caso lleva MASE, sMAPE y cobertura de intervalo por backtesting, más una suite de análisis estadístico de 10 módulos (estacionariedad, autocorrelación, estacionalidad, filtros, changepoints, volatilidad, distribución, fractal, no lineal, causalidad). El trabajo pesado es offline y queda commiteado; la SPA lo reproduce, y un worker Pyodide pronostica una serie pegada por el usuario con un núcleo numpy puro.
Indicadores Clave de Rendimiento
| KPI | Línea Base | Resultado | Impacto |
|---|---|---|---|
| Cobertura del espacio de métodos | Un método sobre una serie favorecedora | Escalera de 19 métodos sobre 15 casos de diagnóstico (285 backtests método-caso), de clásico a ML, a profundo, a 4 modelos fundacionales | Ver por comportamiento dónde cada capa justifica su complejidad |
| Modelos fundacionales, corridos no prometidos | Una dependencia fijada que nadie ejecuta | 4 FMs zero-shot precalculados para los 15 casos (Chronos-Bolt, Chronos-2, TimesFM-2.5, TiRex-2); TiRex-2 vía una vía WSL2/CUDA cross-OS | Solo offline; la vía en vivo del navegador es el núcleo numpy |
| Mejor accuracy en caso real | SeasonalNaive MASE 0.641 (M4-hourly) | TiRex-2 MASE 0.476 en M4-hourly real (por backtesting) | Una ganancia real, sobre una serie real licenciada, no sintética |
| Controles de honestidad | "La capa más nueva siempre gana" | SeasonalNaive 0.641 le gana a TimesFM-2.5 0.729 en el mismo caso; casos nulos de ruido blanco + camino aleatorio incluidos | La capa fundacional no es una victoria general, y la app lo muestra |
Arquitectura
chronoscope pipeline
Fix the series, vary the method
ChronoScope is a univariate forecasting atlas. Instead of running one method on one series, it fixes 15 diagnostic cases (each isolating one time-series behaviour) and runs the same 19-method ladder on every one, with backtested MASE, sMAPE and interval coverage baked for all 285 method-case pairs. Live at chronoscope.fasl-work.com.
The ladder, and where each tier stops helping
The ladder climbs from 8 classical/statistical methods (SeasonalNaive, SES, Holt, HoltWinters, Theta, AutoETS, AutoTheta, AutoARIMA) through LightGBM and 6 deep nets (NHITS, DLinear, NLinear) to 4 zero-shot foundation models (Chronos-Bolt, Chronos-2, TimesFM-2.5, TiRex-2). The foundation tier is real: all four run zero-shot from local checkpoints, TiRex-2 through a purpose-built cross-OS WSL2/CUDA lane because its dependencies have no Windows wheels. Their numbers are committed for all 15 cases, not aspirational.
Real data, and a licence guard around it
Four cases are real and licensed (UCI Electricity, UCI Beijing PM2.5, Monash/M4 hourly and daily, all CC-BY-4.0); eleven are seeded synthetics with their own generators. A licence-gated provenance registry with an enforced export guard lets non-redistributable sources (M5, Stooq) run in the private pipeline while their derived artifacts can never leak into the public repo. This is a testable honesty mechanism, not a policy sentence.
Honest about the foundation tier
On real M4-hourly, TiRex-2 gives the best backtested error (MASE 0.476 vs SeasonalNaive’s 0.641), a genuine gain on a licensed real series. But the foundation tier is not a blanket win: on the same case a one-line SeasonalNaive (0.641) beats TimesFM-2.5 (0.729), and dedicated white-noise and random-walk control cases exist precisely where no method should win. Interval coverage is reported next to point error, exposing deep methods whose 80%-nominal bands cover far less. The foundation-tier backtest windows are capped for speed, so those numbers rest on fewer windows than the classical tier, and the app states it. The foundation models are offline-only: the live browser lane is a Pyodide numpy core, never an in-browser foundation model.
Stack Tecnológico
En acción
Un recorrido corto por la app en vivo: la interfaz real, grabada desde el sitio desplegado.
Capturas de la Aplicación
