Indicadores de actividad, inversión y de impacto financiero en tiempo real en la Argentina

Nadina Mezza, Gustavo Martín

Resumen

El objetivo del proyecto es elaborar modelos que produzcan una medición precisa de la evolución de variables claves de la economía real no disponibles en Argentina.
Por un lado, en el caso de los indicadores de actividad, se utilizaron técnicas que la literatura ha dado en llamar “aprendizaje de máquina” (Machine Learning). Su uso se encuentra justificado en el trabajo de Eurostat Big Data and Macroeconomic Nowcasting: from data access to modelling. Los resultados no fueron los esperados, ya que se debe sortear la problemática del constante truncamiento y reelaboración de series estadísticas, proceso que ocurre con mucha frecuencia desde 2016.
Actualmente, el algoritmo de IA se encuentra desarrollado en lenguaje R y se está trabajando en una base de datos. No obstante, el algoritmo no ha sido testeado para datos heterogéneos en la dimensión temporal.
Por otro lado, se destaca que se arribó al estimador mensual buscado, denominado Índice Mensual de Inversión Real (IMIR-USAL), que respeta la metodología de cálculo de la serie trimestral de Formación Bruta de Capital Físico del INDEC. El IMIR-USAL se descompone en sus componentes no observados: el patrón estacional, el cíclico y la tendencia de largo plazo. Desde el primer trimestre del corriente año, el IMIR-USAL es publicado con regularidad como un producto del Instituto de Investigación de la Facultad de Ciencias Económicas y Empresariales.

Palabras clave

Métodos cuantitativos; Modelos econométricos, Selección y recolección de datos; Actividad económica; Nowcast; Machine Learning.

Texto completo:

PDF

Enlaces refback

  • No hay ningún enlace refback.