Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
El objetivo de este trabajo es pronosticar la inflación mensual de colombiana a partir de sus determinantes macroeconómicos. Se utilizan 7 modelos de machine learning: regresión lineal, SMV, Arboles de Decisión, MLP, KNN, SVR y LSTM, y 1 modelo convencional ARIMA. Los modelos de mejor pronóstico fue...
- Autores:
-
Loaiza Zapata, José Fernando
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad EAFIT
- Repositorio:
- Repositorio EAFIT
- Idioma:
- OAI Identifier:
- oai:repository.eafit.edu.co:10784/32203
- Acceso en línea:
- http://hdl.handle.net/10784/32203
- Palabra clave:
- Pronóstico
ARIMA
INFLACIÓN
INFLACIÓN - PAÍSES EN DESARROLLO
ECONOMETRÍA
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
CANASTA FAMILIAR
Inflation
Forecast
Machine learning
- Rights
- License
- Todos los derechos reservados
| Summary: | El objetivo de este trabajo es pronosticar la inflación mensual de colombiana a partir de sus determinantes macroeconómicos. Se utilizan 7 modelos de machine learning: regresión lineal, SMV, Arboles de Decisión, MLP, KNN, SVR y LSTM, y 1 modelo convencional ARIMA. Los modelos de mejor pronóstico fueron los ARIMA y el LSTM. Aunque, puede mejorarse la predicción del LSTM haciendo una óptima arquitectura de los datos dado que logra capturar los cambios drásticos de las variables, incluso podría mejorar si se incluye el comportamiento de cada una de las divisiones que componen la canasta básica. |
|---|