Anticipar el EMAE para decidir mejor : modelos de Nowcasting para el pronóstico de la actividad económica mensual argentina

Abstract

Existe consenso en la teoría económica actual acerca de que el Producto Bruto Interno es la mejor medida para cuantificar la riqueza de una nación. Sin embargo, en Argentina el conocimiento de esta información se divulga con una demora de entre 70 y 80 días luego de finalizar el trimestre analizado. El INDEC construyó como indicador provisorio el Estimador Mensual de Actividad Económica (EMAE), el cual converge a las mismas cifras que el PBI, pero su difusión también tiene un retardo de entre 50 y 60 días concluido el mes de referencia, lo que en la Argentina actual es mucho tiempo por el acortamiento del horizonte de decisión producto de la inestabilidad económica. El objetivo central de este trabajo es obtener una estimación, con 30 días de antelación a lo publicado por el INDEC, de la variación interanual del EMAE y del EMAE pero excluyendo el sector Agropecuario (por la volatilidad de este sector). Para esto, se usaron técnicas de Nowcasting: estimaciones de cómo se movió la actividad económica mediante modelos econométricos y machine learning, utilizando 44 variables predictoras de la economía argentina del período de referencia. Los métodos utilizados para pronosticar fueron: modelo Autorregresivo de Rezagos Distribuidos (ARDL), tres modelos de machine learning (Lasso, RIDGE y Elastic Net) y dos modelos de selección de parámetros mediante algoritmos, el modelo General-to-specific (GETS) y el modelo Global Search Regression (GSR). De estos, el modelo Lasso fue el que menor error de pronóstico arrojó por 2 de las 3 métricas utilizadas, tanto para predecir el EMAE como el EMAE no Agropecuario. El modelo GETS también tuvo un desempeño destacado con ambas variables objetivo, mientras que el RIDGE ajustó mejor para el EMAE no Agropecuario y el ARDL para el EMAE agregado.