Pronóstico de inflación de corto plazo en Argentina con modelos Random Forest

Resumen

El presente trabajo examina el desempeño de los modelos Random Forest para pronosticar la inflación mensual de corto plazo en Argentina, especialmente para el mes en curso o el inmediato posterior. Utilizando una base de datos con indicadores en frecuencia mensual desde 1962, se concluye que estos modelos alcanzan una precisión de pronóstico estadísticamente comparable al consenso de analistas de mercado relevado por el Banco Central de la República Argentina (BCRA) y a los modelos econométricos tradicionales. Una ventaja que ofrecen los Random Forest es que, al ser modelos no paramétricos, permiten explorar efectos no lineales en la capacidad predictiva de ciertas variables macroeconómicas sobre la inflación. Se encuentra, entre otras cosas, que: 1) la relevancia relativa de la brecha cambiaria para pronosticar la inflación crece cuando la brecha entre el tipo de cambio paralelo y el oficial supera 60%; 2) el poder predictivo del tipo de cambio sobre la inflación aumenta cuando las reservas internacionales netas del BCRA son negativas o cercanas a cero (específicamente, menores a USD 2.000 millones); 3) la relevancia relativa de la inflación rezagada y de la tasa de interés nominal para pronosticar la inflación del mes siguiente crece cuando aumenta el nivel de inflación y/o el nivel de la tasa de interés.

Fecha de presentación: 18-09-2024

Fecha de aprobación: 25-11-2024

Clasificación JEL: C14; E31; E37