Indicadores líderes, redes neuronales y predicción de corto plazo

Abstract

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

This paper shows a procedure to construct a short run predictor for the GDP. We use the Baxter & King filter to decompose the monthly GDP on its three components: seasonal, business cycle and long-run trend. Furthermore we estimate and forecast the business cycle using a set of leading economic variables. We propose that the complicated relationships among this variables and the business cycle are well captured by a non linear artificial neural network model. The other components are estimated using standard econometric techniques. Finally, the three components are added to obtain an indicator for the future behavior of the GDP. The prediction shows an acceptable level of reliability, so the index can be used to take decisions in the private or public sector. The main advantage of the index is its faster availability relative to the official statistics.