Previsión Basada en IA en Suecia — los Modelos de Aprendizaje Automático del Riksbank para Predecir el PIB y la Inflación
Suecia
En un Staff Memo de abril de 2025, economistas del Riksbank hallaron que los modelos de bosques aleatorios y redes …
España · Madrid · Ver el perfil de España · Ver el perfil de Madrid
Evidencia: Observacional / pre-post Top 7% 87/100 · Pregunte a Evidence Copilot sobre esta práctica
El modelo Spain-STING, del Banco de España, prevé en tiempo real el PIB trimestral español; una reespecificación de 2024 (relaciones contemporáneas, volatilidad variable, indicadores revisados) produjo una mejora de precisión documentada tras la pandemia.
ES30El Banco de España opera el modelo de nowcasting Spain-STING (Short-Term Indicator of Growth) desde que esta familia de modelos fue introducida por los economistas Máximo Camacho y Gabriel Pérez-Quirós. El modelo estima un factor latente común a partir de indicadores disponibles antes de la publicación de los datos oficiales del PIB, ofreciendo a los responsables de política una lectura en tiempo real de la economía española semanas antes de las cifras confirmadas de Eurostat.
El trabajo de 2024 buscaba corregir una debilidad conocida: la precisión del modelo se había deteriorado durante el periodo de alta volatilidad de la pandemia, por lo que los autores buscaron reespecificarlo preservando su desempeño previo a la pandemia.
En el Documento Ocasional 24/06 (publicado el 4 de marzo de 2024, más tarde en la Revista Economía v.48), los economistas del Banco de España Ana Gómez Loscos, Miguel Ángel González-Simón y Matías Pacce reespecificaron el modelo con tres cambios: relaciones contemporáneas en lugar de puramente adelantadas con los indicadores, un proceso estocástico (variable en el tiempo) para la volatilidad del componente común, y un conjunto revisado de indicadores de entrada relevante para el periodo pospandemia.
El artículo reporta una mejora notable en el desempeño del nowcasting durante el periodo de alta volatilidad pospandemia, preservando la precisión previa a la pandemia del modelo, aunque lo presenta como un hallazgo cualitativo y no como una cifra concreta de reducción de error. El modelo se enmarca en una familia más amplia, evaluada de forma independiente: el documento de trabajo estadístico de Eurostat de 2025 sobre nowcasting del PIB en tiempo real para la zona euro evalúa herramientas comparables en seis Estados miembros, incluida España, y modelos hermanos (Euro-STING, Ñ-STING) comparten la misma arquitectura.
Las previsiones y la metodología de Spain-STING se publican de forma habitual por el banco central en lugar de mantenerse como una caja negra interna, aunque sigue siendo un enfoque estadístico de factores dinámicos y no un sistema moderno de aprendizaje automático. El propio artículo del Banco de España reconoce con franqueza que la precisión se deterioró durante la pandemia antes del ajuste de 2024, subrayando que incluso las herramientas operativas de larga data requieren una reespecificación periódica.
National / regional programmes
Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.
¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.
De dónde se obtuvo la información de esta práctica, y cuándo.
Suecia
En un Staff Memo de abril de 2025, economistas del Riksbank hallaron que los modelos de bosques aleatorios y redes …
Países Bajos
El modelo de estimación en tiempo real DFROG del DNB ha seguido el crecimiento del PIB neerlandés desde 2024, publicando …
Sudáfrica
Investigadores del SARB pusieron a prueba rigurosamente modelos de aprendizaje automático (LASSO, XGBoost, redes neuronales) frente a las propias previsiones …
Chequia
En un experimento público publicado en su blog, el Banco Nacional Checo enfrentó LLM de propósito general (OpenAI o1, Grok …
Abrir el copiloto completo Basado en prácticas citadas: comprueba siempre las fuentes.