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...

Full description

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
id REPOEAFIT2_55de433b97739d1c55a3386fe1bafb72
oai_identifier_str oai:repository.eafit.edu.co:10784/32203
network_acronym_str REPOEAFIT2
network_name_str Repositorio EAFIT
repository_id_str
spelling Londoño Sierra, Liz JeannethRiascos Salas, Jaime AndrésLoaiza Zapata, José FernandoEconomistajfloaizaz@eafit.edu.coMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees2023-03-03T20:14:22Z20222023-03-03T20:14:22Zhttp://hdl.handle.net/10784/32203332.41 L795El 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.The objective of this paper is to forecast monthly Colombian inflation based on its macroeconomic determinants. 7 machine learning models are used: linear regression, SMV, Decision Trees, MLP, KNN, SVR and LSTM, and 1 conventional ARIMA model. The models with the best prognosis were the ARIMA and the LSTM. Although, the prediction of the LSTM can be improved by making an optimal architecture of the data since it manages to capture the drastic changes of the variables, it could even be improved if the behavior of each of the divisions that make up the basic basket is included.Universidad EAFITEconomíaEscuela de Finanzas, Economía y Gobierno. Departamento de Economía.Medellínhttps://colab.research.google.com/drive/1ljBJjqn9hwHQ8eZCbZDcT6BEOY8BXqTuhttps://colab.research.google.com/drive/1H6tEcxq_D2QI40dzIRlEihev1iIy-m56Todos los derechos reservadosAcceso abiertohttp://purl.org/coar/access_right/c_abf2PronósticoARIMAINFLACIÓNINFLACIÓN - PAÍSES EN DESARROLLOECONOMETRÍAAPRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)CANASTA FAMILIARInflationForecastMachine learningPronóstico de la inflación colombiana : una aproximación desde los modelos machine learningbachelorThesisinfo:eu-repo/semantics/bachelorThesisTrabajo de gradoacceptedVersionMonografíahttp://purl.org/coar/resource_type/c_7a1fLICENSElicense.txtlicense.txttext/plain; charset=utf-82556https://repository.eafit.edu.co/bitstreams/10555cb7-ba21-4035-bca5-2cde612fc0a7/download76025f86b095439b7ac65b367055d40cMD51ORIGINALEVALUACION-Loaiza_Jose[3562].pdfEVALUACION-Loaiza_Jose[3562].pdfapplication/pdf148171https://repository.eafit.edu.co/bitstreams/1b48e01b-bd35-47db-ac77-e292c807f09b/download3ba3a34a641cdf0da546969fc26445efMD52formulario_autorizacion_publicacion_obras_jose_loaiza.pdfformulario_autorizacion_publicacion_obras_jose_loaiza.pdfFormulario de autorización de publicación de obrasapplication/pdf516639https://repository.eafit.edu.co/bitstreams/b6eef98e-075f-458e-8453-abee13ba767b/download96619725e2d4b31aeba88d5b6aa2e8f0MD53Tesis Jose2.1.pdfTesis Jose2.1.pdfTrabajo de gradoapplication/pdf599198https://repository.eafit.edu.co/bitstreams/f36cceb0-c8fd-44cb-870e-167188cc214b/download16fce44be3b987bbcc8a735a2bb79132MD54carta-aprobacion-trabajo-grado-eafit.pdfcarta-aprobacion-trabajo-grado-eafit.pdfCarta de aprobación de tesis de gradoapplication/pdf121175https://repository.eafit.edu.co/bitstreams/ba6f1fe0-7239-4ba8-9ea6-efba55fe594b/download88a61d277ca70381aca10498a52a7bf6MD5510784/32203oai:repository.eafit.edu.co:10784/322032023-03-03 15:14:22.801restrictedhttps://repository.eafit.edu.coRepositorio Institucional Universidad EAFITrepositorio@eafit.edu.co
dc.title.spa.fl_str_mv Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
title Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
spellingShingle Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
Pronóstico
ARIMA
INFLACIÓN
INFLACIÓN - PAÍSES EN DESARROLLO
ECONOMETRÍA
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
CANASTA FAMILIAR
Inflation
Forecast
Machine learning
title_short Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
title_full Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
title_fullStr Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
title_full_unstemmed Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
title_sort Pronóstico de la inflación colombiana : una aproximación desde los modelos machine learning
dc.creator.fl_str_mv Loaiza Zapata, José Fernando
dc.contributor.advisor.spa.fl_str_mv Londoño Sierra, Liz Jeanneth
Riascos Salas, Jaime Andrés
dc.contributor.author.none.fl_str_mv Loaiza Zapata, José Fernando
dc.subject.spa.fl_str_mv Pronóstico
ARIMA
topic Pronóstico
ARIMA
INFLACIÓN
INFLACIÓN - PAÍSES EN DESARROLLO
ECONOMETRÍA
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
CANASTA FAMILIAR
Inflation
Forecast
Machine learning
dc.subject.lemb.spa.fl_str_mv INFLACIÓN
INFLACIÓN - PAÍSES EN DESARROLLO
ECONOMETRÍA
APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL)
CANASTA FAMILIAR
dc.subject.keyword.spa.fl_str_mv Inflation
Forecast
Machine learning
description 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.
publishDate 2022
dc.date.issued.none.fl_str_mv 2022
dc.date.available.none.fl_str_mv 2023-03-03T20:14:22Z
dc.date.accessioned.none.fl_str_mv 2023-03-03T20:14:22Z
dc.type.eng.fl_str_mv bachelorThesis
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.local.spa.fl_str_mv Trabajo de grado
dc.type.hasVersion.eng.fl_str_mv acceptedVersion
dc.type.spa.spa.fl_str_mv Monografía
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10784/32203
dc.identifier.ddc.none.fl_str_mv 332.41 L795
url http://hdl.handle.net/10784/32203
identifier_str_mv 332.41 L795
dc.relation.uri.spa.fl_str_mv https://colab.research.google.com/drive/1ljBJjqn9hwHQ8eZCbZDcT6BEOY8BXqTu
https://colab.research.google.com/drive/1H6tEcxq_D2QI40dzIRlEihev1iIy-m56
dc.rights.spa.fl_str_mv Todos los derechos reservados
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.local.spa.fl_str_mv Acceso abierto
rights_invalid_str_mv Todos los derechos reservados
Acceso abierto
http://purl.org/coar/access_right/c_abf2
dc.coverage.spatial.eng.fl_str_mv Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees
dc.publisher.spa.fl_str_mv Universidad EAFIT
dc.publisher.program.spa.fl_str_mv Economía
dc.publisher.department.spa.fl_str_mv Escuela de Finanzas, Economía y Gobierno. Departamento de Economía.
dc.publisher.place.spa.fl_str_mv Medellín
institution Universidad EAFIT
bitstream.url.fl_str_mv https://repository.eafit.edu.co/bitstreams/10555cb7-ba21-4035-bca5-2cde612fc0a7/download
https://repository.eafit.edu.co/bitstreams/1b48e01b-bd35-47db-ac77-e292c807f09b/download
https://repository.eafit.edu.co/bitstreams/b6eef98e-075f-458e-8453-abee13ba767b/download
https://repository.eafit.edu.co/bitstreams/f36cceb0-c8fd-44cb-870e-167188cc214b/download
https://repository.eafit.edu.co/bitstreams/ba6f1fe0-7239-4ba8-9ea6-efba55fe594b/download
bitstream.checksum.fl_str_mv 76025f86b095439b7ac65b367055d40c
3ba3a34a641cdf0da546969fc26445ef
96619725e2d4b31aeba88d5b6aa2e8f0
16fce44be3b987bbcc8a735a2bb79132
88a61d277ca70381aca10498a52a7bf6
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad EAFIT
repository.mail.fl_str_mv repositorio@eafit.edu.co
_version_ 1814110187027431424