Multi-país y multi-horizonte pronóstico del PIB utilizando transformadores de fusión temporal
Autores: Laborda, Juan; Ruano, Sonia; Zamanillo, Ignacio
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Multi-país y multi-horizonte pronóstico del PIB utilizando transformadores de fusión temporal
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Nueva arquitectura de inteligencia artificial
Fusión temporal de transformadores
Pronóstico conjunto del PIB
Interpretabilidad
Visualización de patrones temporales
Regresiones cuantiles
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
Este documento aplica una nueva arquitectura de inteligencia artificial, el transformador de fusión temporal (TFT), para la predicción conjunta del PIB de 25 países de la OCDE en diferentes horizontes temporales. Esta nueva arquitectura basada en atención ofrece ventajas significativas sobre otros métodos de aprendizaje profundo. Primero, los resultados son interpretables ya que se puede calcular el impacto de cada variable explicativa en cada pronóstico. Segundo, permite visualizar patrones temporales persistentes e identificar eventos significativos y diferentes regímenes. Tercero, proporciona regresiones cuantiles y permite entrenar el modelo en múltiples series temporales de diferentes distribuciones. Los resultados sugieren que los TFT superan a los modelos de regresión, especialmente en períodos de turbulencia como el shock de COVID-19. Se obtienen interpretaciones económicas interesantes dependiendo de si el país tiene un crecimiento liderado por la demanda interna o por las exportaciones. En esencia, TFT se revela como una nueva herramienta que la inteligencia artificial proporciona a los economistas y tomadores de decisiones, con enormes perspectivas para el futuro.
Descripción
Este documento aplica una nueva arquitectura de inteligencia artificial, el transformador de fusión temporal (TFT), para la predicción conjunta del PIB de 25 países de la OCDE en diferentes horizontes temporales. Esta nueva arquitectura basada en atención ofrece ventajas significativas sobre otros métodos de aprendizaje profundo. Primero, los resultados son interpretables ya que se puede calcular el impacto de cada variable explicativa en cada pronóstico. Segundo, permite visualizar patrones temporales persistentes e identificar eventos significativos y diferentes regímenes. Tercero, proporciona regresiones cuantiles y permite entrenar el modelo en múltiples series temporales de diferentes distribuciones. Los resultados sugieren que los TFT superan a los modelos de regresión, especialmente en períodos de turbulencia como el shock de COVID-19. Se obtienen interpretaciones económicas interesantes dependiendo de si el país tiene un crecimiento liderado por la demanda interna o por las exportaciones. En esencia, TFT se revela como una nueva herramienta que la inteligencia artificial proporciona a los economistas y tomadores de decisiones, con enormes perspectivas para el futuro.