Algoritmo de combinación de pronósticos de variables macroeconómicas: aplicación al IGAE

Abstract

Algoritmo de combinación de pronósticos de variables macroeconómicas: aplicación al IGAE Se presenta un algoritmo de Evaluación de Combinaciones de Pronósticos, mismo que se aplica para optimizar la precisión de las predicciones del Indicador Global de la Actividad Económica (IGAE). A través de dicha metodología, el algoritmo integra diversas técnicas de combinación de pronósticos y evalúa su eficacia comparativa en un marco pseudo fuera de muestra. Los resultados muestran que los métodos de combinación de pronósticos no solo mejora significativamente la precisión de los pronósticos en comparación con los modelos individuales, sino que también supera consistentemente las predicciones basadas en la media aritmética, especialmente en ventanas de evaluación y validación más cortas. Este enfoque sistemático y adaptativo proporciona una herramienta robusta para los analistas económicos, ofreciendo un medio para poder seleccionar la mejor estrategia de combinación de pronósticos, reduciendo los riesgos que se asumen al seleccionar un modelo individual o una estrategia de combinación que no sea la adecuada para el tipo de serie que se pretende pronosticar.

An algorithm for Evaluating Combinations of Forecasts is presented, which is applied to optimize the accuracy of the predictions of the Global Indicator of Economic Activity (IGAE). Through this methodology, the algorithm integrates various forecast combination techniques and evaluates their comparative effectiveness in a pseudo out-of-sample framework. The results show that forecast combination methods not only significantly improve forecast accuracy compared to individual models but also consistently outperform predictions based on the arithmetic mean, especially in shorter evaluation and validation windows. This systematic and adaptive approach provides a robust tool for economic analysts, offering a method to select the best forecast combination strategy, thereby reducing the risks associated with choosing an individual model or a combination strategy that is not suitable for the type of series being forecasted.