Predicción de inflación en Argentina con métodos econométricos clásicos y machine learning

Rafael Aguilar

No 4704, Asociación Argentina de Economía Política: Working Papers from Asociación Argentina de Economía Política

Abstract: Argentina está en un régimen de alta inflación. Para los policy makers y el resto de los agentes económicos, es crucial contar con predicciones confiables de la inflación. Un hándicap de los modelos predictivos clásicos es que al aumentar la cantidad de variables, también aumenta la varianza de las predicciones. El desarrollo de técnicas de machine learning permite modelar con decenas o centenas de variables y aprovechar la amplitud de datos disponible. En base a trabajos de D’Amato et al. (2018) y Silva Araujo y Piazza Gaglianone (2023), desarrollamos un set de modelos para predecir la inflación argentina entre 2016 y 2024 y comparamos su poder predictivo en distintos horizontes temporales. El ejercicio incluye (i) un modelo ARIMA de serie de tiempo univariado, (ii) modelos de autorregresión vectorial VAR y (iii) regresiones LASSO y ELASTIC NET con elementos de machine learning. Utilizamos como benchmark la mediana de la encuesta REM del BCRA. Encontramos un mejor desempeño de los modelos con machine learning en ambos horizontes. Entre las variables seleccionadas por las regresiones LASSO y ELASTIC NET se destacan la inflación rezagada, el tipo de cambio oficial, los salarios nominales, el ITCRM-BCRA y agregados monetarios como los depósitos y préstamos del sector privado.

JEL-codes: C22 E31 (search for similar items in EconPapers)
Pages: 20 pages
Date: 2024-11
New Economics Papers: this item is included in nep-big
References: Add references at CitEc
Citations:

Downloads: (external link)
https://aaep.org.ar/works/works2024/4704.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:aep:anales:4704

Access Statistics for this paper

More papers in Asociación Argentina de Economía Política: Working Papers from Asociación Argentina de Economía Política Contact information at EDIRC.
Bibliographic data for series maintained by Juan Manuel Quintero ().