Estudo empírico sobre a capacidade de previsão das redes de neurônios no prognóstico da inflação colombiana: uma metodologia alternativa

Abstract

Avaliar a capacidade de predição das metodologias de redes de neurônios, SARIMA de Box-Jenkins, suavização exponencial e modelos de regressão com coeficientes variando no tempo é interessante no prognóstico da inflação colombiana, cujo conhecimento é primordial para o desenho de políticas econômicas e programas estratégicos de investimentos tanto no setor público como no privado. Uma aplicação prognosticando valores futuros da série de inflação colombiana nos permite visualizar que as redes de neurônios com ajuda de componentes não observáveis, podem ser mais precisas comparadas com as metodologias tradicionais de Box-Jenkins, a suavização exponencial e os mínimos quadrados flexíveis. Além disso, os resultados revelam que combinações de prognósticos utilizando-se as redes neurônios, têm uma tendência a proporcionar melhores predições.

Évaluer la capacité de prédiction des méthodologies de réseaux neuronaux, SARIMA de Box-Jenkins, d´atténuation exponentielle et des modèles de régression avec des coefficients variant dans le temps est intéressant pour le pronostic de l'inflation colombienne, dont la connaissance est primordiale dans l'élaboration de politiques économiques et de programmes stratégiques d'investissement tant dans le secteur public que dans le privé. Une application qui pronostique des données futures de la série d'inflation colombienne permet de montrer que les réseaux neuronaux avec l'aide d´éléments non observables, peut-être plus précise en comparaison avec les méthodologies traditionnelles de Box-Jenkins, l'atténuation exponentielle et les cadres flexibles minimums. De plus, les résultats révèlent que les combinaisons de pronostics utilisant des réseaux neuronaux, tendent à fournir de meilleures prédictions.

Evaluating the prediction ability of neuronal networks (Box-Jenkins' SARIMA, exponential smoothing and varying coefficient regression models) is interesting in forecasting Colombian inflation. Such knowledge is fundamental in designing economic policy and strategic investment programmes in both the public and private sectors. An application forecasting future values from a series of Colombian inflation shows that neuronal networks supported, by non-observable components, could give more precise forecasting compared to traditional Box-Jenkins', exponential smoothing and flexible square minimum methodologies. The results also revealed that forecasting combinations making use of neuronal networks tended to provide better predictions.

Evaluar la capacidad de predicción de las metodologías de redes neuronales SARIMA de Box-Jenkins, suavizamiento exponencial y modelos de regresión con coeficientes variando en el tiempo es de interés en el pronóstico de la inflación colombiana, cuyo conocimiento es primordial para el diseño de políticas económicas y programas estratégicos de inversión tanto en el sector público como en el privado. Una aplicación que pronostica valores futuros de la serie de inflación colombiana permite mostrar que las redes neuronales con ayuda de componentes no observables pueden ser más precisas si se comparan con las metodologías tradicionales de Box-Jenkins, el suavizamiento exponencial y los mínimos cuadrados flexibles. Además, los resultados revelan que combinaciones de pronósticos haciendo uso de las redes neuronales tienden a proporcionar mejores predicciones.