Predicción de la inflación mexicana en tiempos de incertidumbre: una evaluación de modelos de aprendizaje de máquina y su impacto en la precisión del pronóstico

Abstract

En respuesta a la creciente necesidad de mejorar la precisión en el pronóstico económico y tomar decisiones informadas en tiempos de incertidumbre económica en México, esta investigación se basa en la premisa de que las herramientas de aprendizaje de máquina (ML por sus siglas en inglés) pueden revolucionar la forma en que abordamos este desafío. Específicamente, se enfoca en evaluar el impacto de estos modelos en la predicción de la inflación mexicana. Los resultados preliminares de esta investigación demuestran que los modelos de ML superaron de manera significativa a los enfoques tradicionales, reduciendo el error cuadrático medio (MSE por sus siglas en inglés) en un promedio del 90%. Además, se destaca la eficacia de los modelos de AutoML en el proceso de pronóstico, respaldando la idea de que estas herramientas pueden ser un recurso valioso para impulsar la precisión en el pronóstico económico y la toma de decisiones en política monetaria y fiscal.