PredInflacionMachineLearning

Alvaro Vidaurre

En el presente proyecto se han aplicado las técnicas de minería de datos para obtener la predicción de la tasa de inflación anual de Bolivia. El proyecto está basado en el concepto de que las variables de la economía nacional afectan a la tasa de inflación con un cierto rezago. Por lo que primeramente se recopilaron 72 informes de la economía nacional con alrededor de 1000 variables, para posteriormente analizar el retardo de las mismas sobre la inflación. Se determinó utilizar tres conjuntos de datos para tres distintos retardos temporales. La preparación de los tres conjuntos de datos fue hecha desde una perspectiva de series de tiempo con técnicas como la eliminación de tendencia, el ajuste de estacionalidad y la suavización del ruido. También para cada conjunto de datos se ha construido un modelo, donde se han utilizado y probado los algoritmos de Support Vector Machine, Random Forest, Gradient Boosting Machine, LASSO, Ridge Regression, y Dession Trees. Posteriormente se utilizó los tres modelos para realizar las predicciones mensuales de la inflación y de esta manera se obtuvo la predicción de la inflación anual acumulada para 2016. Finalmente, para evaluar los resultados obtenidos, se comparó la predicción hecha por el Banco Central de Bolivia y la predicción hecha por el modelo construido en base a la minería de datos.