Este documento propone un algoritmo computacional bayesiano penalizado como una mejora al enfoque LASSO para la previsión económica en series temporales multivariantes. Metodológicamente, se involucra un procedimiento de selección de variables ponderadas para manejar datos de alta dimensión y altamente correlacionados, reducir la dimensionalidad del modelo y del espacio de parámetros, y luego seleccionar un subconjunto prometedor de predictores que afectan los resultados. Es ponderado debido a dos términos de penalización auxiliares involucrados en las especificaciones previas y en las distribuciones posteriores. El ejemplo empírico aborda el problema de la predicción de enfermedades pandémicas y los efectos en el desarrollo económico. Se basa en un gran conjunto de regiones europeas y no europeas para investigar también la heterogeneidad y la interdependencia entre unidades. Según los resultados de la estimación, se realizan pronósticos de densidad para resaltar cómo el subconjunto prometedor de covariables ayudaría a predecir posibles contagios debido a enfermedades pandémicas. También se discuten cuestiones de política.