Indicadores líderes, redes neuronales y predicción de corto plazo

Abstract

This paper shows a procedure to constmct a short run predictor for the GDP. We use theBaxter & King filter to decompose the monthly GDP on its three components: seasonal, business cycle and iong-run trend. Furthermore we estimate and forecast the businesscycle using a set of leading economic variables. We propose that the complicated relationshipsamong this variables and the business cycle are well captured by a non linearartificial neural network model. The other components are estimated using standardeconometric techniques. Finally, the three components are added to obtain an indicatorfor the future behavior of the GDP. The prediction shows an aceptable leve1 of reliability,so the index can be used to take decisions in the private or public sector. The mainadvantage of the index is its faster availability relative to the oficial statistics.

Este documento muestra un procedimiento para construir un predictor de corto plazodel nivel de actividad económica. Para ello, se utiliza el filtro de Baxter y King para descomponerla serie del PBI mensual en sus tres componentes: estacional, cíclico y tendencial.Posteriormente el componente cíclico es estimado y pronosticado a partir deun conjunto de variables líderes que adelantan al PBI. Se propone que las relacionesentre estas variables y el ciclo del PBI se dan a través de un modelo no lineal de redesneuronales. Los demás componentes son estimados utilizando modelos econométricosestándar. Finalmente, se agregan los tres componentes para obtener un indicador dela evolución futura del PBI. La predicción que se obtiene muestra un nivel razonable deconfiabilidad, por lo que el índice propuesto puede ser una herramienta para la tomade decisiones dada su pronta disponibilidad respecto a las estadísticas oficiales.