Evaluación asimétrica de una red neuronal: aplicación al caso de la inflación en Colombia

Abstract

El objetivo de este trabajo es explorar la relación no lineal entre el dinero y la inflación en Colombia a través de una red neuronal artificial, utilizando información mensual de la variación del Índice de Precios al Consumidor y del agregado monetario M3, desde enero de 1982 hasta febrero de 2005. Las redes neuronales artificiales aparecen como una excelente alternativa para las autoridades monetarias de contar con los mejores modelos para pronosticar la inflación y guiar sus decisiones de política. El presente artículo incorpora algunas innovaciones en la modelación del dinero e inflación que permiten generar pronósticos más confiables, debido a que el modelo se aproxima con mayor exactitud a la realidad.

Palabras Clave: red neuronal artificial, no linealidad, unidad escondida, función de activación, rolling de pronósticos, función de pérdida asimétrica. Clasificación JEL: D87, C53.

Abstract:

The objective of the present work is to explore the non-linear relationship between money and inflation in Colombia through an artificial neural network using monthly information for the variation of the consumer price index and the monetary aggregate M3 since January 1982 through February 2005. Artificial neural networks turn up as an excellent alternative for monetary authorities to count on the best models to forecast inflation and guide their policy decisions. This article incorporates some innovations in money and inflation modeling that allow to generate more reliable forecasts given that the model approximates reality with greater accuracy.

Keywords: artificial neural network, non-linearity, hidden unit, activation function, rolling test, asymmetric lost function. JEL classification: D87, C53.

Résumé:

L’objectif de ce travail consiste à explorer la relation non linéaire entre la quantité de monnaie et l’inflation en Colombie à travers la technique des réseaux de neurones artificiels. Nous utilisons les statistiques mensuelles concernant la variation de l’indice des prix à la consommation et l’agrégat monétaire M3 entre janvier 1982 et février 2005. Les réseaux neuronaux artificiels constituent une excellente alternative pour les autorités monétaires en vue d’améliorer leurs modèles qui servent à anticiper l’inflation. Cet article intègre quelques nouveautés dans la modélisation de la quantité de monnaie et l’inflation. Cette modélisation permet d’établir des prévisions plus précises car elle se rapproche avec plus d’exactitude de la réalité économique.

Mots clés: Réseaux de neurones artificiels, unité cachée, fonction d’activation, Rolling test, fonction de perte asymétrique. Classification JEL: D87, C53.