Please use this identifier to cite or link to this item: http://repositorio.yachaytech.edu.ec/handle/123456789/224
Title: Forecasting the Consumer Price Index (CPI) of Ecuador: A Comparative Study of Predictive Models
Authors: Chang Tortolero, Oscar Guillermo
Riofrío Valarezo, Juan Fernando
Keywords: Consumer Price Index (CPI)
Ecuador
Predictive Models
Forecasting
Índice de Precios al Consumidor (IPC)
Ecuador
Modelos Predictivos
Pronóstico.
Issue Date: Oct-2020
Publisher: Universidad de Investigación de Tecnología Experimental Yachay
Abstract: El Indice de Precios al Consumidor (IPC) es uno de los indicadores económicos más importantes para la caracterización de los países y generalmente se considera una medida oficial de inflación. El IPC tiene en cuenta la variación mensual de precios de un conjunto determinado de bienes y servicios en una región específica y es clave en la planificación económica y social de un país determinado, de ahí la gran importancia de la predicción del IPC. En este trabajo, se describe un estudio comparativo de modelos predictivos de última generación sobre un conjunto de datos del IPC ecuatoriano con 174 registros mensuales, de 2005 a 2019. Este pequeño conjunto de datos disponible hace que el pronóstico sea una tarea de predicción de series de tiempo desafiante. Otra dificultad es la variación de tendencia de los años pasados, que desde mediados de 2016 ha cambiado de un promedio claramente ascendente de 3.5 puntos a una tendencia estable de ±0.8 puntos. Este documento explora el desempeño de los modelos predictivos relevantes al abordar el problema de pronóstico del IPC ecuatoriano con precisión durante los próximos 12 meses. Para esto, se lleva a cabo un estudio comparativo que considera una variedad de modelos predictivos, que incluyen: Enfoque de redes neuronales usando el modelo secuencial Long Short-Term Memory, aprendizaje automático usando la regresión de vectores de soporte, así como enfoques clásicos como SARIMA y suavizado exponencial. También consideramos herramientas de grandes corporaciones como Facebook Prophet. Como resultado, el trabajo presenta los mejores modelos predictivos y parametros encontrados, junto con el pronóstico del IPC de Ecuador para los próximos 12 meses (parte de 2020). Esta información podría usarse para la toma de decisiones en varios temas importantes relacionados con las actividades sociales y económicas.
Description: The Consumer Price Index (CPI) is one of the most important economic indicators for countries’ characterization and is typically considered an official measure of inflation. The CPI takes into account the monthly price variation of a determined set of goods and services in a specific region and it is key in the economic and social planning of a given country, hence the great importance of CPI forecasting. In this paper, we outline a comparative study of state-of-the-art predictive models over an Ecuadorian CPI dataset with 174 monthly registers, from 2005 to 2019. This small available dataset makes forecasting a challenging time-series-prediction task. Another difficulty is last year´s trend variation, which since mid-2016 has changed from a clearly upward average of 3.5 points to a stable trend of ±0.8 points. This paper explores the performance of relevant predictive models when tackling the Ecuadorian CPI forecasting problem accurately for the next 12 months. For this, a comparative study considering a variety of predictive models is carried out, including: Neural networks approach using Sequential Model with Long Short-Term Memory layers machine learning using Support Vector Regression, as well as classical approaches like SARIMA and Exponential Smoothing. We also consider big corporations´ tools like Facebook Prophet. As a result, the paper presents the best predictive models and parameters found, along with Ecuador´s CPI forecasting for the next 12 months (part of 2020). This information could be used for decision-making in several important topics related to social and economic activities.
URI: http://repositorio.yachaytech.edu.ec/handle/123456789/224
Appears in Collections:Tecnologías de la Información

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.