Suscríbete al boletín semanal

Recibe cada semana los contenidos más relevantes de la actualidad científica.

Agencia Sinc
Si estás registrado

No podrás conectarte si excedes diez intentos fallidos.

Si todavía no estás registrado

La Agencia SINC ofrece servicios diferentes dependiendo de tu perfil.

Selecciona el tuyo:

Periodistas Instituciones

Nuevos métodos para mejorar las predicciones económicas

Investigadores de la Universidad Autónoma de Madrid y la Universidad de Alcalá trabajan en el desarrollo de medidas para mejorar las predicciones que realizan los expertos sobre variables económicas.

Nuevos métodos para mejoras las predicciones económicas
Nuevos métodos para mejoras las predicciones económicas

En muchas ocasiones se cuentan diversas predicciones de una misma variable económica emitidas por distintos organismos, instituciones o expertos. ¿Cómo aprovechar toda esta información y obtener una única predicción a partir de todas las proporcionadas por los expertos? ¿Se puede reducir la incertidumbre asociada a estas predicciones? Los investigadores Pilar Poncela, Julio Rodríguez y Rocío Sánchez-Mangas, del departamento de Análisis Económico: Economía Cuantitativa de la UAM, en colaboración con Eva Senra de la Universidad de Alcalá, abordan estas cuestiones en un trabajo publicado en el International Journal of Forecasting, revista asociada al International Institute of Forecasters, una organización de dedicada a estimular las relaciones entre investigadores y profesionales dedicados a la predicción.

El trabajo plantea la posibilidad de aprovechar las diversas predicciones de una misma variable (por ejemplo, inflación) emitidas por distintos organismos, instituciones o expertos y obtener una única predicción con menor error. Usualmente, en estos casos se utiliza la “predicción de consenso”, que consiste en calcular la media de las predicciones. Para los autores, esta sería una buena predicción (en el sentido de que tendría asociada mínima incertidumbre) si, por ejemplo, los expertos no compartiesen información. Los autores advierten además que las predicciones emitidas por los expertos constan de una parte coyuntural común a todos los expertos, otra específica del experto y un término no asociado con los dos anteriores.

Su trabajo propone en consecuencia métodos multivariantes de reducción de la dimensión, tanto estáticos como dinámicos, con el objetivo de mejorar la predicción emitida y los márgenes de incertidumbre asociados a dicha predicción. Como resultado, han obtenido una “estructura de pesos” que pondera de forma diferente las predicciones de los distintos expertos, de forma contraria a la predicción de consenso que asigna la misma importancia a todos ellos.

Estos métodos fueron aplicados a las predicciones hechas por expertos sobre la economía de EEUU y publicadas por la Reserva Federal de Filadelfia. Los autores argumentan que los resultados obtenidos han llegado en ocasiones a conseguir mejoras superiores al 40%, con respecto a las medidas de exactitud predictiva utilizadas usualmente.

Referencia bibliográfica:
Poncela, P. , Rodriguez, J. , Sanchez-Mangas, R. , Senra, E., Forecast combination through dimension reduction techniques, en: International Journal of Forecasting, Volume 27 Issue 2 (April-June 2011), Pages 224-237

Fuente: Universidad Autónoma de Madrid
Derechos: Creative Commons
Artículos relacionados