Reconciliación y desagregación temporal de series de tiempo: Una aplicación para el PIB trimestral en Colombia

Abstract

Este documento propone una ampliación de la metodología de desagregación temporal multivariante de Dagum (2006) y explora varios métodos de desagregación, desde modelos univariados hasta modelos de aprendizaje automático y multivariados, destacando las ventajas y limitaciones de los distintos enfoques. La metodología se aplica a las cuentas nacionales trimestrales de Colombia, demostrando que, aunque los modelos multivariados tradicionales pueden sacrificar precisión, ofrecen una mayor coherencia económica y alineación de resultados entre las cuentas anuales y trimestrales. Además, evidencian el potencial del modelo aplicado incorporando el equilibrio entre la oferta y la demanda y las técnicas de aprendizaje automático para mejorar la precisión y la coherencia de las predicciones trimestrales y contribuyen a los esfuerzos en curso por mejorar la precisión y fiabilidad de las estadísticas económicas. (Texto tomado de la fuente)

This paper proposes an extension of the multivariate temporal disaggregation methodology of Dagum(2006) and explores various disaggregation methods, from univariate models to machine learning and multivariate models, highlighting the advantages and limitations of the different approaches. The methodology is applied to Colombia's quarterly national accounts, demonstrating that, although traditional multivariate models may sacrifice accuracy, they offer greater economic consistency and alignment of results between annual and quarterly accounts. Furthermore, they demonstrate the potential of the applied model incorporating supply-demand balancing and machine learning techniques to improve the accuracy and consistency of quarterly forecasts and contribute to ongoing efforts to improve the accuracy and reliability of economic statistics.