Publicación: Pronóstico de la tasa de desempleo en Colombia: aplicación del índice de base móvil en modelos clásicos de series de tiempo
Portada
PDF 
FLIP 
Citas bibliográficas
Gestores Bibliográficos
Indexadores
Código QR
Autores
Director
Autor corporativo
Recolector de datos
Otros/Desconocido
Director audiovisual
Editor/Compilador
Editores
Tipo de Material
Fecha
Cita bibliográfica
Título de serie/ reporte/ volumen/ colección
Es Parte de
Resumen en español
El desempleo es un fenómeno socioeconómico que impacta negativamente en el desarrollo económico de un país y en la calidad de vida de su población. En Colombia, pronosticar la tasa de desempleo se ha convertido en una necesidad por el gran porcentaje de personas sin empleo y con pocas oportunidades de mejorar su calidad de vida. Este trabajo propone un enfoque metodológico flexible para modelar series temporales con alta variabilidad y tendencia, utilizando un índice de base móvil como nueva variable de análisis. Esta variable permite evitar transformaciones y diferenciaciones adicionales en los modelos, facilitando el procesamiento y mejorando la interpretación de los datos. El estudio incluye la construcción de la variable de base móvil, el ajuste de modelos clásicos de series de tiempo. Los resultados demuestran que el uso del índice de base móvil mejora significativamente el desempeño de los modelos clásicos y ofrece resultados comparables con las redes neuronales. Se concluye que el índice de base móvil constituye una herramienta eficiente para modelar y pronosticar la tasa de desempleo, aportando ventajas como la reducción de transformaciones previas y una interpretación más sencilla de la dinámica de la serie.
Resumen en inglés
Unemployment is a socioeconomic phenomenon that negatively impacts a country's economic development and the quality of life of its population. In Colombia, forecasting the unemployment rate has become necessary due to the large percentage of unemployed people with few opportunities to improve their quality of life. This work proposes a flexible and efficient methodological approach for modeling time series with high variability and trend, using a moving base index as a new analysis variable. This variable avoids additional transformations and differentiations in the models, facilitating processing and improving data interpretation. The study includes the construction of the moving base variable, the fitting of classical time series models, and comparison with artificial neural networks. The results demonstrate that the use of the moving base index significantly improves the performance of classical models and offers results comparable with those of neural networks. It is concluded that the moving base index is an efficient tool for modeling and forecasting the unemployment rate, providing advantages such as reducing the need for prior transformations and simplifying the interpretation of the series' dynamics.