Métodos intensivos para el desarrollo de pronósticos de series de tiempo: agregados macroeconómicos en México (2018-2019)

Abstract

La selección de modelos de series de tiempo por medio de criterios estadísticos supone algunas desventajas en la práctica. En este trabajo se propone un conjunto de métodos intensivos para estimar pronósticos de series univariadas, que involucra procedimientos de pooling a través de algoritmos de selección de diferentes modelos y métodos, y un criterio de estabilidad secuencial. Dicho criterio muestra el desempeño de los diferentes métodos -lineales y no lineales- a lo largo de la muestra, lo que en casos de inestabilidad justifica el pooling, además de que permite analizar el comportamiento de los procesos estocásticos.