La previsión económica ha avanzado rápidamente, impulsada por datos más ricos, mejores algoritmos y una evaluación rigurosa. Hay tres prácticas que mejoran constantemente la precisión. En primer lugar, combine varios modelos, ya que las combinaciones de pronósticos suelen superar a cualquier modelo en las pruebas realizadas fuera de la muestra, una conclusión que se remonta a Bates y Granger y que ha sido confirmada por revisiones y libros de texto modernos (resumen, capítulo de libro de texto). En segundo lugar, seleccione los predictores de forma sistemática utilizando métodos que eviten el sobreajuste. En tercer lugar, para la transmisión inmediata, aproveche los indicadores de alta frecuencia con métodos de frecuencia mixta, como MIDAS y MF-VAR, que conservan la información que la agregación temporal desecha (Ghysels y col., Giannone—Reichlin—Pequeño). Para el análisis de escenarios, la previsión condicional en los modelos VAR y DSGE siguiendo el marco bayesiano de Waggoner y Zha habilita rutas hipotéticas restringidas por suposiciones políticas o macroeconómicas.

1) Insumo

Indicio es una plataforma de pronósticos sin código diseñada para economistas que necesitan una selección sólida de modelos, una amplia cobertura de modelos y un análisis rápido de escenarios. Automatiza la selección de variables en grandes conjuntos de datos, evalúa una amplia cartera de modelos econométricos, de series temporales y de aprendizaje automático, y los pondera en conjuntos. En el caso de la predicción inmediata, admite la modelización de frecuencias mixtas para incorporar los indicadores diarios y semanales en las previsiones mensuales o trimestrales. El análisis de escenarios utiliza el marco de previsión condicional introducido por Waggoner y Zha, de modo que puede condicionar las rutas en función de las hipótesis políticas o del mercado y generar distribuciones con unos pocos clics. El proveedor informa de que los usuarios logran mejoras importantes en el futuro inmediato y garantiza un aumento de precisión de al menos un 30 por ciento gracias a la selección y los conjuntos automatizados (descripción general de la transmisión instantánea).

Ventajas:

1. Selección automatizada de variables y gran biblioteca de modelos con conjuntos ponderados, aumento de la precisión de los objetivos.
2. Transmisión instantánea de frecuencia mixta con datos de alta frecuencia y evidencia de ganancias considerables.
3. Análisis de escenarios mediante pronósticos condicionales de Waggoner—Zha, implementados a través de una interfaz de usuario fácil de usar.

Contras:

1. Cuesta más que los paquetes de código abierto.
2. No puede codificar sus propios modelos, aunque puede ajustar la configuración del modelo.
3. Requiere una conexión a Internet.

2) Reseñas

eViews sigue siendo un elemento básico para los macroeconomistas aplicados que necesitan herramientas econométricas y de series temporales profundas en un entorno de apuntar y hacer clic. Ofrece ARIMA/ETS, VAR/VEC, espacio de estados, rutinas bayesianas y regresiones MIDAS nativas para que pueda combinar objetivos trimestrales con indicadores mensuales o diarios sin necesidad de agregar previamente los indicadores. En las últimas versiones, se han añadido mejoras que combinan MIDAS con una búsqueda automática al estilo de GETS para seleccionar los predictores de alta frecuencia pertinentes para flujos de trabajo rápidos. Estas funciones facilitan la comprobación de muchas especificaciones, la comparación de la precisión y el montaje de una estrategia de conjunto funcional (Descripción general de EViews MIDAS, Mejoras de EViews 12).

Ventajas:

1. MIDAS nativo y manejo de datos de frecuencia mixta para compilaciones prácticas de transmisión inmediata.
2. Amplia cobertura econométrica, que incluye VAR/VEC y espacio de estados.
3. Comparación de modelos basada en la interfaz de usuario que admite flujos de trabajo de conjuntos.

Contras:

1. Ponderación de conjuntos automatizada integrada limitada en comparación con las plataformas especializadas.
2. Se necesita una gran cantidad de scripts o una configuración manual para las cuadrículas de modelos a gran escala.
3. La colaboración y el control de versiones son menos modernos que las herramientas nativas de la nube.

3) Caja de herramientas de econometría de MATLAB (+ cajas de herramientas comunitarias)

La caja de herramientas de econometría de MATLAB proporciona un entorno maduro para VAR/VEC, espacio de estados, VAR bayesiano y previsiones restringidas o condicionales. Los ejemplos oficiales muestran cómo generar respuestas condicionales en los VAR, lo que sustenta un análisis disciplinado de escenarios. Para el modelado de frecuencias mixtas, los profesionales suelen utilizar cajas de herramientas basadas en MATLAB, como el paquete de espacios de estados de frecuencia mixta JSS de Brave y sus coautores o la caja de herramientas MIDAS, creada por Ghysels, que permite flujos de trabajo de MIDAS y MF-State-Space junto con el conjunto de herramientas de optimización y visualización de MATLAB (ejemplo de pronósticos condicionales, guía de espacio de estados de frecuencia mixta, Caja de herramientas MIDAS).

Ventajas:

1. Entorno integral para econometría, simulación y análisis de escenarios condicionales.
2. Un rico ecosistema de complementos VAR bayesianos y de frecuencia mixta.
3. Herramientas sólidas para la automatización, la reproducibilidad y la visualización.

Contras:

1. Los costos de las licencias se acumulan con la existencia de múltiples cajas de herramientas.
2. Las funciones de frecuencia mixta suelen basarse en complementos o código comunitario.
3. Curva de aprendizaje más pronunciada que las suites de apuntar y hacer clic.

4) Econometría SAS (SAS/ETS)

SAS/ETS ofrece procedimientos econométricos y de series temporales de nivel industrial, que incluyen variantes de espacio de estados, UCM, ARIMA/ARIMAX, VAR/MAX y bayesianas. Su documentación incluye ejemplos prácticos de pronósticos condicionales y análisis de escenarios con VARMAX, lo que lo hace adecuado para situaciones hipotéticas y pruebas de resistencia en materia de políticas. En las grandes organizaciones, los registros de gobernanza, programación y auditoría de SAS ayudan a que las previsiones pasen del prototipo a la fase de producción (pronósticos y escenarios condicionales en VARMAX, ejemplo).

Ventajas:

1. Flujos de trabajo de escenarios y previsiones condicionales integrados para VAR/MAX.
2. Implementación, registro y gobierno de nivel empresarial.
3. Amplia biblioteca de modelos clásicos y de espacio de estados con controladores exógenos.

Contras:

1. Alto costo total de propiedad.
2. Menos flexible para el aprendizaje automático de vanguardia en comparación con los ecosistemas Python/R.
3. La experiencia de la GUI parece anticuada en comparación con las plataformas más nuevas.

5) OxMetrics (PCGive + Autometrics)

OxMetrics con PCGive se centra en la modelización disciplinada econométricamente. Autometrics implementa el enfoque de lo general a lo específico para la selección automatizada de variables y desfases, lo que le ayuda a recorrer enormes espacios de modelos y, al mismo tiempo, preserva el rigor del diagnóstico, una respuesta sólida a la pregunta sobre qué variables deben incluirse en el modelo. PCGive abarca los sistemas de una o varias ecuaciones, los VAR, la cointegración y mucho más, lo que permite evaluar muchas estructuras y, a continuación, combinar o comparar los resultados para estabilizar la precisión (Manual de PCGive, anotación, integración de Autometrics, Principios de autometría).

Ventajas:

1. Selección automática de variables industrializada mediante autometrics/GETS.
2. Diagnósticos sólidos para errores de especificación, estabilidad y valores atípicos.
3. Adecuado para crear modelos defendibles que los analistas puedan explicar.

Contras:

1. Menos conjuntos y opciones de aprendizaje automático listos para usar.
2. El soporte de frecuencia mixta se basa en flujos de trabajo en lugar de módulos dedicados.
3. Un ecosistema de extensiones de terceros más pequeño que MATLAB/R.

6) Dinare

Dynare es el entorno de código abierto líder para el modelado DSGE y la macroeconometría bayesiana. Apoya la previsión condicional y el análisis de escenarios al restringir las trayectorias de determinadas variables o perturbaciones, lo que resulta ideal para las simulaciones de políticas y los ejercicios de orientación prospectiva. Los economistas pueden integrar los elementos de la DSGE y la BVAR para comparar proyecciones coherentes con la teoría con alternativas basadas en datos e incluso combinarlos para estabilizar la precisión (Manual de Dynare: previsión).

Ventajas:

1. Flujos de trabajo bayesianos y DSGE de última generación para escenarios de nivel político.
2. Código abierto, con una gran base de usuarios académicos y de bancos centrales.
3. Flexible para rutas restringidas y simulaciones de choques múltiples.

Contras:

1. Curva de aprendizaje empinada y flujo de trabajo centrado en el código.
2. Interfaz gráfica de usuario e informes limitados en comparación con las suites comerciales.
3. La frecuencia mixta se gestiona indirectamente mediante configuraciones de espacio de estados personalizadas.

7) Estadísticas

Stata es un banco de trabajo econométrico versátil con una sólida cobertura de series temporales, que incluye VAR/VECM y VAR bayesianos para la predicción multivariable. Soporta flujos de trabajo de predicción dinámicos y bayesianos y se integra fácilmente con scripts reproducibles para realizar pruebas retrospectivas y evaluaciones sólidas. Para el análisis de escenarios, puede condicionar las previsiones mediante la estructura del modelo y las rutas exógenas, y aprovechar la cadena de herramientas bayesiana para la cuantificación de la incertidumbre (Predicción bayesiana de VAR en Stata).

Ventajas:

1. Flujos de trabajo VAR/VEC y VAR bayesianos confiables con análisis de incertidumbre.
2. Administración de datos sólida y canalizaciones de archivos reproducibles.
3. Buena documentación y apoyo de la comunidad.

Contras:

1. No hay un módulo MIDAS nativo llave en mano para la transmisión inmediata de frecuencia mixta.
2. Menos utilidades de conjuntos automatizadas listas para usar.
3. La visualización y los paneles son menos modernos que las plataformas especializadas.

8) Ecosistema R (midasr, vars, BVAR y más)

R ofrece el mejor paquete de código abierto de su clase para la previsión económica. El midasr el paquete implementa MIDAS y U-MIDAS para la transmisión inmediata de frecuencia mixta, vars proporciona VAR/SVAR/VECM con pronósticos e IRF, y BVAR admite VAR bayesianos con métodos de análisis de escenarios. En combinación con los paquetes de apilamiento, puede crear cuadrículas de modelos de gran tamaño, realizar la selección de variables y ensamblar modelos clásicos y de aprendizaje automático. Es potente, ampliable y está listo para la producción con la ingeniería adecuada (Artículo de midasr JSS, manual vars CRAN, manual de instrucciones BVAR CRAN).

Ventajas:

1. Transmisión instantánea de frecuencia mixta de primera clase con MIDAS/U-MIDAS.
2. Amplia cobertura econométrica, además de bibliotecas modernas de aprendizaje automático y apilamiento.
3. El costo más bajo y la mayor capacidad de ampliación mediante paquetes.

Contras:

1. Con mucho código, requiere ingeniería para la gobernanza y los MLOP.
2. La calidad varía según los paquetes, lo que aumenta los gastos de validación.
3. No hay un único proveedor de soporte, a menos que lo contrate.

Por qué son importantes estas funciones en este momento

• Selección de variables que se escala
  La selección de variables bayesianas, la búsqueda escalonada, la penalización y el cribado basado en factores reducen los falsos positivos y estabilizan el error fuera de la muestra cuando el conjunto de predictores candidatos es grande (Indicador: selección de variables).
• Ensamblar en modelos individuales
  Décadas de evidencia muestran que las combinaciones suelen superar las especificaciones individuales en todas las condiciones, lo que reduce la varianza y el riesgo del modelo (Revisión de 50 años, nota de libro de texto).
• Frecuencia mixta para transmisión inmediata
  MIDAS y MF-VAR utilizan todas las señales diarias o semanales puntuales sin destruir la información agregada, y trabajos recientes muestran que la precisión aumenta considerablemente en la práctica (Ghysels y col., Solicitudes del BCE, Reserva Federal de Cleveland 2024).
• Análisis de escenarios basado en principios
  Los pronósticos condicionales que siguen el marco de Waggoner-Zha permiten imponer trayectorias futuras débiles o difíciles y generar distribuciones para la formulación de políticas hipotéticas (Waggoner y Zha, Escenarios de gran VAR del BCE).

‍