Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning

Este artículo realiza dos cosas. Primero, realiza un modelo Arima para cada una de las 12 divisiones de gasto que conforma el IPC base 2018, para así, ponderar el pronóstico un paso hacia delante de la inflación mensual. Para este modelo fue necesario la serie de empalme del IPC entre la canasta bas...

Full description

Autores:
Peña Ordóñez, Andrés Camilo
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2019
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/44645
Acceso en línea:
http://hdl.handle.net/1992/44645
Palabra clave:
Inflación
Pronóstico de la economía
Aprendizaje automático (Inteligencia artificial)
Random Forest
Ingeniería
Rights
openAccess
License
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
id UNIANDES2_0b27688322e88615ae19880e254c1a28
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/44645
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Ábrego Pérez, Adriana Lourdesdaf9e38b-c3e7-486b-a9e8-d0b7c1caf2bb600Peña Ordóñez, Andrés Camiloa77f7341-8553-496d-8109-0ace4091f211600Castillo Hernández, Mario2020-09-03T14:57:30Z2020-09-03T14:57:30Z2019http://hdl.handle.net/1992/44645u830810.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/Este artículo realiza dos cosas. Primero, realiza un modelo Arima para cada una de las 12 divisiones de gasto que conforma el IPC base 2018, para así, ponderar el pronóstico un paso hacia delante de la inflación mensual. Para este modelo fue necesario la serie de empalme del IPC entre la canasta base 2008 y base 2018. Segundo, realiza un modelo mediante un Random Forest que permita pronosticar la inflación mensual. Ambos modelos realizaron el pronóstico desde noviembre de 2017 hasta octubre de 2019. Como resultado, el modelo a través de Random Forest mejora el pronóstico que realizó el modelo desagregado Arima, esto bajo diferentes medidas de error.This article is a twofold objective. First, it performs an Arima model for each of the 12 spending groups which conforms the CPI, thus, the forecast one step ahead of the monthly inflation will be the pooling of the forecasts. For this model, it was necessary the joint series between 2018þs CPI and 2008þs CPI. Second, it applies a Random Forest, Machine Learning technique to forecast monthly inflation. Both models forecasted from November 2017 to October 2019. As a result, the Random Forest improves the Arima disaggregatedþs model, under different error measurements.Ingeniero IndustrialPregrado78 hojasapplication/pdfspaUniversidad de los AndesIngeniería IndustrialFacultad de IngenieríaDepartamento de Ingeniería Industrialinstname:Universidad de los Andesreponame:Repositorio Institucional SénecaPronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine LearningTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TPInflaciónPronóstico de la economíaAprendizaje automático (Inteligencia artificial)Random ForestIngenieríaPublicationTHUMBNAILu830810.pdf.jpgu830810.pdf.jpgIM Thumbnailimage/jpeg7455https://repositorio.uniandes.edu.co/bitstreams/694706d4-8797-4e84-b4cf-c2f4676450d9/download9c9253c7ef297e9d3037eb73dd7c6437MD55ORIGINALu830810.pdfapplication/pdf1293865https://repositorio.uniandes.edu.co/bitstreams/ba667850-2801-4c35-8657-cc5e521353a3/download8954d8734a0fe2bd9862eb32fa3a6d36MD51TEXTu830810.pdf.txtu830810.pdf.txtExtracted texttext/plain101776https://repositorio.uniandes.edu.co/bitstreams/33f9b498-f528-46cd-8673-19fbb28852b2/download95bc7a8a30e5d51bfefb957363cd622aMD541992/44645oai:repositorio.uniandes.edu.co:1992/446452023-10-10 16:46:50.582https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfopen.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co
dc.title.es_CO.fl_str_mv Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
title Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
spellingShingle Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
Inflación
Pronóstico de la economía
Aprendizaje automático (Inteligencia artificial)
Random Forest
Ingeniería
title_short Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
title_full Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
title_fullStr Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
title_full_unstemmed Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
title_sort Pronóstico de la inflación colombiana: una aproximación desde un modelo Arima desagregado y Machine Learning
dc.creator.fl_str_mv Peña Ordóñez, Andrés Camilo
dc.contributor.advisor.none.fl_str_mv Ábrego Pérez, Adriana Lourdes
dc.contributor.author.none.fl_str_mv Peña Ordóñez, Andrés Camilo
dc.contributor.jury.none.fl_str_mv Castillo Hernández, Mario
dc.subject.armarc.es_CO.fl_str_mv Inflación
Pronóstico de la economía
Aprendizaje automático (Inteligencia artificial)
Random Forest
topic Inflación
Pronóstico de la economía
Aprendizaje automático (Inteligencia artificial)
Random Forest
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description Este artículo realiza dos cosas. Primero, realiza un modelo Arima para cada una de las 12 divisiones de gasto que conforma el IPC base 2018, para así, ponderar el pronóstico un paso hacia delante de la inflación mensual. Para este modelo fue necesario la serie de empalme del IPC entre la canasta base 2008 y base 2018. Segundo, realiza un modelo mediante un Random Forest que permita pronosticar la inflación mensual. Ambos modelos realizaron el pronóstico desde noviembre de 2017 hasta octubre de 2019. Como resultado, el modelo a través de Random Forest mejora el pronóstico que realizó el modelo desagregado Arima, esto bajo diferentes medidas de error.
publishDate 2019
dc.date.issued.none.fl_str_mv 2019
dc.date.accessioned.none.fl_str_mv 2020-09-03T14:57:30Z
dc.date.available.none.fl_str_mv 2020-09-03T14:57:30Z
dc.type.spa.fl_str_mv Trabajo de grado - Pregrado
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TP
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/44645
dc.identifier.pdf.none.fl_str_mv u830810.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/44645
identifier_str_mv u830810.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 78 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Universidad de los Andes
dc.publisher.program.es_CO.fl_str_mv Ingeniería Industrial
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería Industrial
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/694706d4-8797-4e84-b4cf-c2f4676450d9/download
https://repositorio.uniandes.edu.co/bitstreams/ba667850-2801-4c35-8657-cc5e521353a3/download
https://repositorio.uniandes.edu.co/bitstreams/33f9b498-f528-46cd-8673-19fbb28852b2/download
bitstream.checksum.fl_str_mv 9c9253c7ef297e9d3037eb73dd7c6437
8954d8734a0fe2bd9862eb32fa3a6d36
95bc7a8a30e5d51bfefb957363cd622a
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1818111798947086336

Publicaciones similares