Publicidad
Publicidad

Una nueva bola de cristal: revolución en los métodos de pronóstico

Aunque es prácticamente imposible saber con completa certeza el valor futuro de las variables económicas, muchos de esos métodos econométricos han madurado, señala Ángel Huerta.
mié 15 septiembre 2021 12:07 AM

(Expansión) - Prever el futuro para hacer frente a la incertidumbre siempre ha sido una inquietud de la humanidad. En un principio, anticiparse al futuro elevaba la probabilidad de supervivencia de la especie. Por ejemplo, cuando se dominó la agricultura, saber cuándo podría llover ayudaba a programar las siembras y las cosechas, así como planificar el consumo y racionar el producto.

Más adelante, pronosticar el futuro se convirtió en una cuestión fundamental para el pensamiento científico, pues saber cuál sería el comportamiento esperado de alguna variable en determinadas circunstancias proporcionaba una mejor explicación de los fenómenos físicos y aún más importante, abría la posibilidad de influir sobre algunos de ellos.

Publicidad

La sociedad moderna no tardó en notar lo útil que podrían ser las predicciones en aspectos relacionados al comercio y a la economía, pues eso permitía tomar mejores decisiones de producción, consumo e inversión, que, en algún sentido, es lo que busca la economía, optimizar recursos y decisiones.

Fue justamente durante la matematización de la economía en el siglo XIX cuando se comenzaron a utilizar intensivamente algunos recursos de otras disciplinas, como fue la estadística, la cual facilitó a los economistas a modelar los datos disponibles para estimar el desempeño futuro de variables económicas.

Si bien al principio de esa primera revolución metodológica se presentaron muchos inconvenientes, sobre todo computacionales por la baja capacidad de procesamiento de datos (hay registros que revelan que algunos métodos usados aún hoy día, como las regresiones lineales, se hacían a mano), y el margen de error de los pronósticos solía ser elevado, a medida que se desarrollaron nuevos métodos matemáticos y estadísticos, y conforme los ordenadores podían procesar más datos y variables, ese margen en los pronósticos tendió a disminuir.

No obstante, además del desarrollo de las matemáticas, la tarea de predecir también exigió una teoría económica que respaldara y que definiera un marco para interpretar las estimaciones. A la conjunción de los métodos matemáticos y de la teoría económica se le denominó econometría, que proporcionaba formas más óptimas y más efectivas de realizar estimaciones.

Aunque es prácticamente imposible saber con completa certeza el valor futuro de las variables económicas, muchos de esos métodos econométricos han madurado y se han sofisticado lo suficiente como para seguir siendo ampliamente usados hoy día por muchos economistas para hacer pronósticos de variables como la inflación y el PIB.

Pero como en toda profesión, los economistas y su afán de predecir, también enfrentarán cambios de paradigma a raíz de la automatización, en este caso, especialmente con el desarrollo de la ciencia de datos y la supercomputación, lo que podría suponer el fin de la vigencia de los métodos convencionales de la econometría.

Un estudio del 2018 (Makridakis S., et al) investigadores pusieron a competir algunos métodos convencionales de la econometría contra algoritmos de inteligencia artificial y aprendizaje automático, para estimar algunas variables económicas de series de tiempos invariadas.

Publicidad
Brock Pierce, multimillonario en bitcoins, "apuesta" por el "futuro de Bukele"

En su conclusión, le dieron el triunfo a la econometría convencional, al presentar esos modelos con menores márgenes de error, no obstante, señalaron que las diferencias frente a las técnicas más modernas son en realidad muy pequeñas (aunque innegables en el mundo de los decimales), y que a medida que se agregaban más observaciones, los resultados de estos modelos tendían a mejorar.

Por otro lado, mientras los no mostraban mejores resultados con más información disponibles, e incluso, cuando la variabilidad de las series de tiempo era muy dispersa comenzaban a mostrar márgenes de error más grandes.

Originalmente los nuevos métodos de modelaje fueron pensados para otras ciencias, como la astrofísica, que en algunos experimentos se llegan a procesar millones de datos con miles de variables, por lo que la exigencia computacional es enorme, a diferencia de los datos económicos, de los cuales no se disponen registros tan amplios.

Esa podría ser la razón por la que los nuevos métodos aún no logran modelar las series económicas, pero quién sabe, tal vez a medida que haya más información disponible y que las nuevas formas de modelar se adapten específicamente a datos económicos, podrían suplir dentro de poco a los métodos convencionales de pronóstico, y así los economistas tendrán una nueva bola de cristal.

Nota del editor: Ángel Huerta es analista económico de Grupo Financiero Bx+. Es economista y aprendiz de matemático. Le gustan los tacos, la música clásica, y las discusiones académicas sobre crecimiento económico y desarrollo social. Tuitea, luego existe en @aiihmonzalvo . Las opiniones expresadas en esta columna pertenecen exclusivamente al autor.

Consulta más información sobre este y otros temas en el canal Opinión

Publicidad

Newsletter

Únete a nuestra comunidad. Te mandaremos una selección de nuestras historias.

Publicidad

Publicidad