En este artículo, proponemos dos métricas para cuantificar la predictibilidad de series temporales antes de desarrollar un modelo de pronóstico de series temporales: la puntuación de predictibilidad espectral y el exponente máximo de Lyapunov. A diferencia de las métricas tradicionales de evaluación de modelos, estas métricas evalúan las características inherentes de predictibilidad de los datos antes de intentar un pronóstico. La puntuación de predictibilidad espectral evalúa la fuerza y la regularidad de los componentes de frecuencia de una serie temporal, mientras que el exponente de Lyapunov cuantifica el caos y la estabilidad del sistema que genera los datos. Evaluamos la efectividad de estas métricas en series temporales sintéticas y reales del conjunto de datos de competencia de pronóstico M5. Los resultados muestran que estas dos métricas reflejan con precisión la predictibilidad inherente de las series temporales y presentan fuertes correlaciones con el rendimiento real de pronóstico de varios modelos.
