Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/22148
Title: Contrastación modelos de predicción de machine learning para la inflación en Ecuador para el período 2001-2020.
Authors: Villarreal Veloz, Frank Giovanny
Keywords: SISTEMAS DE INFORMACIÓN
REDES NEURONALES
Issue Date: 8-Feb-2022
Publisher: Quito, 2022
Citation: Villarreal Veloz, F. G. (2022). Contrastación modelos de predicción de machine learning para la inflación en Ecuador para el período 2001-2020. 74 hojas. Quito : EPN.
Abstract: Inflation forecast is relevant for economic policy makers and for perspectives that are directly related to the expected value of the aggregate activity in the economy. Regression analyzes have been the most frequently used techniques; nevertheless, the use of Neural Networks has become popular for time series forecasting, so in that way, this project aims to compare their predictive capability against regression analysis. In this sense, regression models (OLS, VAR, ARIMA, SARIMA) and their results were compared with the ANN model using the root-mean-square error (RMSE). The period of study started in January-2001 to December 2020, of which 80% was taken as the training group and the remaining 20% as the test group. In the first instance, the influence of the variables over Ecuadorian inflation was evaluated, which turned out to be exchange rates, international commodities prices and nominal wage. In the CPI forecast, the ordinary least squares model with short-term error correction (OLS CE) showed the best results, followed by the VAR model and the ANN model. However, it should be mentioned that the RNA model showed better results for predicting the first differences of log CPI.
Description: La predicción de la inflación es de relevancia para la toma de decisiones de política económica y en las perspectivas que están directamente relacionadas con el valor esperado del nivel de actividad agregado en la economía. Los análisis de regresión han sido las técnicas utilizadas con mayor frecuencia; sin embargo, el uso de Redes Neuronales se ha popularizado para el pronóstico de series temporales y el presente trabajo pretende comparar su capacidad predictiva frente a los análisis de regresión. En este sentido se realizaron modelos de regresión (MCO, VAR, ARMA, ARIMA, SARIMA) y se compararon los resultados con el modelo de RNA mediante el uso de la raíz del error cuadrático medio (RMSE). El período de estudio fue de enero-2001 a diciembre 2020, del cual el 80% se tomó como grupo de entrenamiento y el restante 20% como grupo de prueba de los modelos. En primera instancia, se evaluó la influencia de las variables sobre el comportamiento de la inflación, las cuales resultaron ser los tipos de cambio, precios internacionales de materias primas y el salario nominal. En cuanto al pronóstico del IPC, el modelo de mínimos cuadrados ordinarios con corrección de error de corto plazo (MCO CE) mostró los mejores resultados, seguido del modelo VAR y el modelo de RNA. Sin embargo, se debe mencionar que el modelo de RNA si mostró mejores resultados para el pronóstico de las primeras diferencias del logaritmo del IPC.
URI: http://bibdigital.epn.edu.ec/handle/15000/22148
Appears in Collections:Tesis MAESTRÍA EN SISTEMAS DE INFORMACIÓN MENCIÓN INTELIGENCIA DE NEGOCIOS Y ANALÍTICA DE DATOS MASIVOS (FIS)

Files in This Item:
File Description SizeFormat 
CD 11626.pdf1,65 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.