| Metadato | Etiqueta | Valor | Idioma |
|---|---|---|---|
| dc.contributor.advisor | Tutor | Lluberas, Rodrigo | - |
| dc.contributor.advisor | Tutor | Landaberry, Victoria | - |
| dc.contributor.author | Autor | Romero, Zelmar | - |
| dc.contributor.filiacion | Filiación | Romero Zelmar, Universidad de la República (Uruguay). Facultad de Ciencias Sociales | - |
| dc.coverage.spatial | Cobertura geográfica | Uruguay | es |
| dc.date.accessioned | Fecha ingreso | 2024-07-24T11:58:27Z | - |
| dc.date.available | Fecha disponible | 2024-07-24T11:58:27Z | - |
| dc.date.issued | Año de publicación | 2021 | - |
| dc.description.abstract | Resumen | El objetivo de este trabajo es evaluar el desempeño de un conjunto de técnicas de aprendizaje automático supervisado a la hora de predecir la inflación interanual de Uruguay. En particular, se utilizan los métodos Regresión Ridge, Lasso, adaptive-Lasso y Random Forest y se toma como insumo las expectativas de inflación recogidas en una encuesta realizada a unas quinientas empresas entre octubre 2009 y junio 2020. Para evaluar el desempeño predictivo de estos métodos se calculan los errores de predicción fuera de la muestra para cada método y se comparan con los errores de predicción de cinco métodos alternativos de referencia. Como resultado se tiene que todos los métodos de aprendizaje automático, así como combinaciones de los mismos, presentan menor error de predicción que los de referencia. Los resultados son promisorios y dan cuenta del potencial que tienen tanto las técnicas de aprendizaje automático como la encuesta de expectativas de las empresas a la hora de predecir la inflación. | es |
| dc.format.extent | Extensión | 30 p. | es |
| dc.format.mimetype | Formato | application/pdf | es |
| dc.identifier.citation | Citación | Romero, Z. Pronósticos de inflación con métodos de aprendizaje automático [en línea] Tesis de maestría. Montevideo: Udelar. FCS, 2021 | es |
| dc.identifier.uri | URI | https://hdl.handle.net/20.500.12008/44870 | - |
| dc.language.iso | Idioma | es | es |
| dc.publisher | Editorial | Udelar. FCS | es |
| dc.rights | Derechos | Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014) | es |
| dc.rights.licence | Licencia | Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) | es |
| dc.subject.other | Descriptores | INFLACIÓN | es |
| dc.subject.other | Descriptores | ECONOMIA | es |
| dc.title | Título | Pronósticos de inflación con métodos de aprendizaje automático | es |
| dc.type | Tipo de documento | Tesis de maestría | es |
| thesis.degree.grantor | Facultad o Servicio que otorga el Título | Universidad de la República (Uruguay). Facultad de Ciencias Sociales | es |
| thesis.degree.name | Título Obtenido | Magíster en Economía | es |
Colecciones:
| Ficheros | Descripción | Tamaño | Formato | ||
|---|---|---|---|---|---|
| TE_RomeroZelmar.pdf | — | 1.16 MB | Adobe PDF |