Predicción de la Actividad Económica Sectorizada a Corto Plazo en República Dominicana (2010–2025) mediante Técnicas Econométricas y de Machine Learning

El presente estudio desarrolla un sistema de predicción sectorial de la actividad económica en la República Dominicana, combinando técnicas econométricas tradicionales y métodos avanzados de aprendizaje automático. El objetivo es ofrecer estimaciones mensuales actualizadas y precisas que permitan anticipar cambios coyunturales en los sectores clave del Producto Interno Bruto (PIB): industrial, manufactura local, zonas francas, agropecuario, servicios y construcción. Para ello, se emplearon modelos AutoARIMA, Support Vector Regression, Random Forest (básico y optimizado), y redes neuronales (CNN y RNN), entrenados con más de 150 series económicas transformadas, y evaluados mediante validación cruzada temporal y métricas de desempeño relativo fuera de la muestra. Los resultados revelan que la capacidad predictiva varía según el sector y el tipo de modelo, destacándose Random Forest optimizado por su solidez y estabilidad predictiva. Esta herramienta contribuye significativamente a mejorar el monitoreo económico sectorial, permitiendo una planificación de políticas públicas más eficiente, basada en evidencia. Se identifican también limitaciones asociadas a la disponibilidad de datos, lo que abre líneas de investigación futura centradas en el uso de nowcasting con variables externas y la implementación de técnicas de selección automática de predictores.

Name thesis:degree_name

Maestría en Econometría

Level thesis:degree_level

1

Grantor dc:publisher

Universidad Torcuato Di Tella

Year dc:date.issued

2025

Author dc:creator

• Burgos Castillo, María Tatiana

Advisor dc:contributor.advisor

• Cornejo, Magdalena

• Predicción tecnológica
• Technological prediction
• Modelos econométricos
• Econometrics models
• Actividad economica

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

spa

Repository record dc:identifier.uri

https://repositorio.utdt.edu/handle/20.500.13098/13559

OAI identifier oai:identifier

oai:repositorio.utdt.edu:20.500.13098/13559