Pronósticos de series macroeconómicas en Colombia : una comparación metodológica

Abstract

Pronosticar variables macroeconómicas es esencial para los tomadores de decisiones. Esta investigación analizó los efectos de extender el conjunto de información al utilizar modelos estadísticos para el pronóstico de la tasa de inflación y depreciación en Colombia, realizando un ejercicio de comparación de múltiples metodologías. Se analizó la precisión predictiva de modelos de series de tiempo, aprendizaje automático y combinaciones de pronósticos, en un ejercicio fuera de muestra con datos pseudo en tiempo real, pronosticando un mes, un año y dos años hacia adelante. Se halla que los modelos univariados continúan siendo referencias difíciles de vencer al pronosticar en el corto plazo la tasa de inflación y que la media histórica es competitiva para pronosticar la tasa de depreciación cuando se compara con otras metodologías estadísticas, ahora, en el largo plazo existen posibles beneficios por el uso de modelos de aprendizaje automático y de selección de variables, pero estos dependen del periodo analizado. En el corto plazo, los pronósticos tomados de expectativas de encuestas dominan fuera de muestra. Por su parte, existen beneficios marginales al uso de combinaciones de pronósticos derivados de métodos estadísticos. Por lo tanto, en el corto plazo extender el conjunto de información con datos que omiten variables de mayor frecuencia no mejoró apreciablemente la capacidad predictiva de los modelos para pronosticar estas dos variables. A su vez, diferenciar hasta lograr una representación consistente con el rechazo de la prueba de raíz unitaria genera resultados ambiguos en términos de mejora en la capacidad predictiva de los modelos en un contexto de selección de variables.