Imagen: Chad McDermott. Fuente: PhotoXpress.
Las predicciones macroeconómicas que realizan los economistas son tenidas en cuenta por los gobiernos para tomar decisiones importantes que nos afectan a todos.
Por este motivo, los expertos se esfuerzan en encontrar nuevas recetas para afinar sus previsiones e intentar que se produzca la menor cantidad posible de desviaciones en ellas.
Existen diferentes métodos que ayudan a vaticinar lo que sucederá en el futuro. Sin embargo, las predicciones no suelen tener en cuenta la incertidumbre, esto es, “el desconocimiento que tenemos sobre lo que va a pasar y que no podemos predecir con la información disponible en el momento de realizar la predicción”, explica una de las autoras del estudio, Esther Ruiz, catedrática del Departamento de Estadística de la Universidad Carlos III de Madrid (UC3M) en una nota de prensa de dicha Universidad. En la práctica, las predicciones no tienen por qué ser exactas, e “introducir la incertidumbre hará posible pronósticos más realistas”, añade.
Los nuevos métodos propuestos por los investigadores se basan en modelos en los que, como ocurre frecuentemente en la práctica, la observación de la variable sometida a la predicción incluye algún error. Dichos métodos tienen en cuenta no solo el error atribuible a la no observación de la variable, sino también la incertidumbre que se desprende de la estimación del modelo.
Por este motivo, los expertos se esfuerzan en encontrar nuevas recetas para afinar sus previsiones e intentar que se produzca la menor cantidad posible de desviaciones en ellas.
Existen diferentes métodos que ayudan a vaticinar lo que sucederá en el futuro. Sin embargo, las predicciones no suelen tener en cuenta la incertidumbre, esto es, “el desconocimiento que tenemos sobre lo que va a pasar y que no podemos predecir con la información disponible en el momento de realizar la predicción”, explica una de las autoras del estudio, Esther Ruiz, catedrática del Departamento de Estadística de la Universidad Carlos III de Madrid (UC3M) en una nota de prensa de dicha Universidad. En la práctica, las predicciones no tienen por qué ser exactas, e “introducir la incertidumbre hará posible pronósticos más realistas”, añade.
Los nuevos métodos propuestos por los investigadores se basan en modelos en los que, como ocurre frecuentemente en la práctica, la observación de la variable sometida a la predicción incluye algún error. Dichos métodos tienen en cuenta no solo el error atribuible a la no observación de la variable, sino también la incertidumbre que se desprende de la estimación del modelo.
Cambiar la percepción del futuro
“Cuando se tiene en cuenta que los parámetros han sido estimados y, por tanto, no sabemos con certeza su valor, los intervalos de predicción sobre valores futuros de las variables son más anchos, de forma que pueden cambiar nuestra percepción sobre lo que debemos esperar en el futuro”, expone Esther Ruiz.
Asimismo, en un artículo publicado al respecto en la revista Computational Statistics and Data Analysis junto a investigadores de la Universidad de Concepción (Chile), se destaca que los métodos de predicción propuestos tienen la ventaja de ser sencillos desde el punto de vista computacional, al tiempo que sus resultados mejoran los obtenidos por medio de técnicas alternativas.
Los investigadores, que apuntan a la necesidad de tener presente el concepto de incertidumbre en las predicciones de la economía realizadas mediante métodos estadísticos, señalan que “existen importantes diferencias entre la predicción de variables macroeconómicas y financieras, ya que, en las segundas, la incertidumbre juega un papel central debido a los cambios que se observan en la volatilidad de los rendimientos financieros”.
Las nuevas técnicas propuestas permiten que los márgenes de los errores de predicción asociados con algunas variables clave, como la tasa de paro, la inflación y la producción, puedan cambiar a lo largo del tiempo, de modo que se obtienen intervalos para los valores futuros diferentes en función de la incertidumbre presente en cada momento.
“Cuando se tiene en cuenta que los parámetros han sido estimados y, por tanto, no sabemos con certeza su valor, los intervalos de predicción sobre valores futuros de las variables son más anchos, de forma que pueden cambiar nuestra percepción sobre lo que debemos esperar en el futuro”, expone Esther Ruiz.
Asimismo, en un artículo publicado al respecto en la revista Computational Statistics and Data Analysis junto a investigadores de la Universidad de Concepción (Chile), se destaca que los métodos de predicción propuestos tienen la ventaja de ser sencillos desde el punto de vista computacional, al tiempo que sus resultados mejoran los obtenidos por medio de técnicas alternativas.
Los investigadores, que apuntan a la necesidad de tener presente el concepto de incertidumbre en las predicciones de la economía realizadas mediante métodos estadísticos, señalan que “existen importantes diferencias entre la predicción de variables macroeconómicas y financieras, ya que, en las segundas, la incertidumbre juega un papel central debido a los cambios que se observan en la volatilidad de los rendimientos financieros”.
Las nuevas técnicas propuestas permiten que los márgenes de los errores de predicción asociados con algunas variables clave, como la tasa de paro, la inflación y la producción, puedan cambiar a lo largo del tiempo, de modo que se obtienen intervalos para los valores futuros diferentes en función de la incertidumbre presente en cada momento.
Referencia bibliográfica:
Alejandro Rodríguez, Esther Ruiz. Bootstrap prediction mean squared errors of unobserved states based on the Kalman filter with estimated parameters. Computational Statistics and Data Analysis (2012). DOI:10.1016/j.csda.2011.07.010.
Alejandro Rodríguez, Esther Ruiz. Bootstrap prediction mean squared errors of unobserved states based on the Kalman filter with estimated parameters. Computational Statistics and Data Analysis (2012). DOI:10.1016/j.csda.2011.07.010.