Uso de técnicas de machine learning para la predicción de las tasas de desempleo y ocupación en tres ciudades de Colombia: Cali, Medellín y Popayán

En los últimos dos años, la economía regional en Colombia ha sufrido choques económicos y sociales sin precedentes debido a la pandemia del Covid19 y el paro nacional. En consecuencia, las técnicas econométricas tradicionales de pronóstico del mercado laboral pueden resultar inadecuadas o insuficientes para capturar las nuevas condiciones y tendencias macroeconómicas. Este proyecto aplicado combina variables del mercado laboral, búsquedas en Google Trends y el Indicador Mensual de Actividad Económica (IMAE) como variable macroeconómica, para estimar un indicador del mercado laboral en tres ciudades en Colombia: Cali, Medellín y Popayán utilizando técnicas de Machine Learning. Con el uso de Máquinas de Soporte Vectorial para Regresión y Redes Neuronales se pronosticaron las tasas de desempleo y ocupación laboral para anticipar los datos oficiales proporcionados por el Departamento Administrativo Nacional de Estadística (DANE) en 1 mes. Los resultados de este estudio muestran que los errores de pronóstico de los modelos propuestos son bajos, que la previsión mejora con relación al modelo de referencia tradicional ARIMA y que las estimaciones se adaptan rápidamente a los cambios estructurales en el mercado laboral regional.

• Autores: Cerón Ordoñez, Julieth Stefens; Trujillo, Emerson
• Tipo de recurso: Masters Thesis
• Fecha de publicación: 2023
• Institución: Pontificia Universidad Javeriana Cali
• Repositorio: Vitela
• Idioma: spa
• OAI Identifier: oai:vitela.javerianacali.edu.co:11522/2058
• Acceso en línea: https://vitela.javerianacali.edu.co/handle/11522/2058
• Palabra clave: Machine learning
• License: https://creativecommons.org/licenses/by-nc-nd/4.0/