Un Enfoque de Aprendizaje Automático para la Anticipación del PIB — El Modelo Híbrido de ML y Series de Tiempo del Banco de la Reserva de la India

Las estimaciones trimestrales del PIB de la India se publican con un rezago significativo, razón por la cual el Departamento de Investigación Económica y de Política (DEPR) del Banco de la Reserva de la India (RBI) ha invertido en anticipación ('nowcasting'): un Modelo de Factores Dinámicos anterior, construido a partir de 6, 9 y 12 indicadores de alta frecuencia (documento de trabajo del RBI WPS(DEPR) 03/2020), ya buscaba ofrecer una lectura temprana y en tiempo real del crecimiento del trimestre en curso.

A partir de esa base, los economistas del RBI Saurabh Ghosh y Abhishek Ranjan probaron un enfoque híbrido que añade métodos de aprendizaje automático, datos de mercados financieros y un índice de incertidumbre económica a la anticipación convencional de series de tiempo (documento de trabajo en SSRN, diciembre de 2021; revisado por pares en el Bulletin of Monetary Economics and Banking, 2023).

El enfoque combinado de aprendizaje automático y series de tiempo reportó un desempeño de anticipación mejorado frente a la referencia de series de tiempo pura, en horizontes cortos, con la precisión disminuyendo, como era de esperar, cuanto más se extiende el horizonte de pronóstico.

Los materiales publicados describen esta mejora de forma cualitativa, y no mediante una única cifra de reducción de error auditada de forma independiente, por lo que la evidencia aquí debe leerse como investigación interna y revisada por pares prometedora, y no como un sistema de producción totalmente validado externamente.