EVALUACIÓN DE LA PRECISIÓN EN EL PRONÓSTICO DE LA INFLACIÓN EN BOLIVIA: RANDOM FOREST Y ÁRBOLES DE DECISIÓN VS. ARIMA

Abstract

Este estudio compara modelos de pronóstico del IPC en Bolivia, evaluando enfoques tradicionales y de aprendizaje automático para la predicción de inflación. Se aplicaron modelos de Árbol de Decisión, Árbol Podado, Random Forest y ARIMA, encontrando que los modelos de aprendizaje automático, especialmente el Árbol Podado, superan al ARIMA en precisión, con un menor RMSE en el conjunto de testeo. Esto sugiere que los modelos modernos capturan mejor las dinámicas complejas del IPC y representan herramientas más robustas para la proyección de inflación en economías emergentes. El estudio recomienda explorar modelos híbridos y redes neuronales avanzadas en futuras investigaciones para optimizar aún más los pronósticos.