Estimando los pesos de un mixtura finita mediante redes neuronales y análisis factorial dinámico

R. Morales Arsenal, J. J. Núñez Velázquez

Las funciones de densidad de las predicciones ofrecen una completa descripción de la incertidumbre asociada a la predicción puntual. En este trabajo abordamos la estimación de dicha función cuando el objetivo es predecir una variable macroeconómica agregada. Comparamos dichas funciones mediante la utilización de una aproximación agregada frente a una aproximación desagregada realizando una aplicación empírica sobre el Índice de Precios al Consumo Armonizado (IPCA) a dos niveles de desagregación, uno con 5 componentes y otro con 60 componentes. Se estimaron los pesos de la mixtura mediante redes neuronales (RN) en el caso de cinco componentes y mediante análisis factorial dinámico y RN en el caso del IPCA con sesenta componentes. Los resultados indican una mejor estimación de la incertidumbre asociada a las predicciones puntuales en términos de entropía cuando utilizamos los pesos obtenidos mediante redes neuronales que mediante los pesos facilitados por el Banco Central Europeo.

Palabras clave: Función de densidad de las predicciones, desagregación, mixtura finita, redes neuronales.

X03.3 Clasificación
7 de septiembre de 2016  10:00
Aula 21.08

G. Villarino, R. Cintas del Río, D. Gómez González, J. T. Rodriguez González

C. Rendón Aguirre, D. Peña, F. J. Prieto Fernández

P. C. Álvarez Esteban, J. Ortega, C. Euán