MODELOS DE PREDICCIÓN ECONÓMICA UTILIZANDO APRENDIZAJE AUTOMÁTICO

Resumen

Este estudio analiza la capacidad predictiva de modelos econométricos y de aprendizaje automático para estimar el PIB real del Ecuador, con datos trimestrales de 2008-2022 e inflación y tasa de interés como variables explicativas. Se estimaron regresiones lineales múltiples mediante Mínimos Cuadrados Generalizados, modelos de rezagos distribuidos, Random Forest y redes neuronales LSTM. El desempeño predictivo se evaluó con métricas de error fuera de muestra, RMSE y MAE. Los resultados muestran que, en el contexto de alta volatilidad de 2022, el modelo de rezagos distribuidos optimizado obtuvo el menor error, mientras que en un escenario más estable el LSTM logró mayor precisión. Se concluye que la efectividad predictiva depende del modelo y del contexto económico, y que los enfoques econométricos tradicionales y las técnicas de aprendizaje automático pueden ser complementarios para la predicción macroeconómica en economías dolarizadas.