Omitir los comandos de cinta
Saltar al contenido principal
Inicio de sesión
Universidad EAFIT
Carrera 49 # 7 sur -50 Medellín Antioquia Colombia
Carrera 12 # 96-23, oficina 304 Bogotá Cundinamarca Colombia
(57)(4) 2619500 contacto@eafit.edu.co
EAFITEscuelasEscuela de Economía y FinanzasEsc. de Economía y Finanzas / Bulletin NewsUn mejor modelo para la previsión macro en tiempos de pandemia: el Nowcast_GT semanal EAFIT del PIB

Opinión / 26/04/2021

Un mejor modelo para la previsión macro en tiempos de pandemia: el Nowcast_GT semanal EAFIT del PIB

​​​​

​La pandemia ha presentado problemas únicos cuando se trata de pronósticos macroeconómicos. Con esto en mente, hemos desarrollado un enfoque que genera pronósticos consistentemente precisos, incluso en tiempos de incertidumbre, al combinar datos en tiempo real (tendencias de Google) y técnicas de inteligencia artificial (AI) que hemos llamado “Nowcast_GT. De acuerdo a ese enfoque, se espera una variación de -0,22% en 2021Q1​.​

​Por: Alejandra Arteaga1, Isaac Hurtado2, Sara Gómez3 & Diego Montañez-Herrera4


La pandemia ha presentado problemas únicos cuando se trata de pronósticos macroeconómicos. El diferencial entre los pronósticos de crecimiento económico entre instituciones y analistas ha aumentado en la mayoría de las economías del mundo. Si bien la mayoría de los economistas esperan ver un repunte del PIB en Colombia en el segundo trimestre, ¿qué tan cómodos pueden estar el gobierno nacional y autoridades económicas con las proyecciones del tercer y cuarto trimestre dada la divergencia en las previsiones del segundo trimestre? En consecuencia, existe una necesidad monumental de pronósticos económicos oportunos y confiables. Para ello, en todo el mundo se está recurriendo a fuentes de datos alternativas en tiempo real, como datos de movilidad de Google, datos de transacciones, o motores de búsqueda (Google Trends). 

Si bien son valiosas, cómo lo señala Harvard Business Review, estas fuentes de datos carecen de un contexto importante y de conectividad con tendencias económicas más amplias. Por ejemplo, los datos de las tarjetas de crédito no capturan el impacto que esta pandemia está teniendo en las transacciones en efectivo, y los datos de movilidad no explican si los consumidores están gastando más o menos cuando llegan a sus destinos.

Aun así, ahora mismo es posible realizar pronósticos confiables. El ingrediente que falta es una mejor comprensión de las necesidades, actitudes y comportamientos cambiantes de los consumidores. Con esto en mente, hemos desarrollado un enfoque que genera pronósticos consistentemente precisos, incluso en tiempos de incertidumbre, al combinar el sentimiento de compra del consumidor con datos en tiempo real, gracias a las tendencias de Google en Colombia, y técnicas avanzadas de inteligencia artificial (AI) que captan relaciones no lineales y cambios disruptivos, que hemos llamado “Nowcast_GT”.  

Para entenderlo de forma más clara, el Nowcast o “predicción inmediata”, que pronostica el movimiento de los indicadores macroeconómicos inmediatos antes de su publicación, se ha estimado a través de varios enfoques. Entre ellos, los datos de intensidad de búsqueda obtenidos de Google Trends se han utilizado para mejorar la precisión del nowcast de diversos indicadores económicos, cómo el desempleo en los Estados Unidos (Nagao et al., 2019); sector automotriz en economías emergentes (Carrière‐Swallow et al., 2013); el PIB en Alemania y Finlandia (Heikkinen, 2019); PIB de los Estados Unidos (Koop et al., 2019) y el PIB en un conjunto de países (Woloszko, 2020), entre otros más que han investigado si los datos de los motores de búsqueda de internet como Google pueden ayudar a mejorar el Nowcast o previsiones a corto plazo de las variables macroeconómicas. 

La única forma de mejorar la confiabilidad de los pronósticos económicos en esta pandemia es aumentar los modelos con una evaluación continua de los patrones de gasto o intenciones de compra pasados, actuales y anticipados de los consumidores, partiendo del hecho de que el gasto de consumo personal representa hasta el 70% del PIB en Colombia. Con el confinamiento, se profundizó la necesidad de usar internet y pasar a una vida predominantemente virtual. Incluso después de la reapertura, algunos consumidores seguirán imponiendo distanciamiento social para protegerse a sí mismos y quienes los rodean, así pues, la indicación de búsqueda de palabras clave se ha convertido en un indicador importante de la evolución social, económica y tecnológica. 

En este sentido, se presenta el Nowcast_GT semanal y mensual de la economía colombiana usando indicadores líderes de la actividad económica en Colombia y las tendencias de Google, siendo este último el complemento ideal de nuestro Nowcast EAFIT bajo un enfoque de aprendizaje supervisado. La forma en que soluciona los rezagos en la publicación de datos de variables macroeconómicas clave se sintetiza en la Figura 1, en este caso 22 días después de finalizado el trimestre de referencia, anticipándose 22 días a la publicación oficial, así, se hace el cálculo del tercer y definitivo Nowcast del primer trimestre del 2021.

Figura 1: Calendario Nowcast_GT semanal-mensual y publicación del PIB en el primer trimestre 2021 en Colombia.​

Fuente: Elaboración de los autores.

En consecuencia, se presentan los predictores de mayor importancia en el modelo que a su vez, son indicadores líderes del PIB en Colombia, y cuentan con una publicación más oportuna (frecuencia mensual, semanal y/o diaria), acompañado de datos no convencionales, como Google Trends y Google Mobility (con frecuencia semanal y diaria respectivamente), que son el complemento ideal de nuestro Nowcast_GT EAFIT  bajo un enfoque de Machine Learning. La Figura 2 muestra la evolución de 4 principales indicadores líderes que cuentan con altas correlaciones dinámicas con el PIB

El eje izquierdo muestra el conjunto de predictores con menor variabilidad (las barras) como el Indicador de Seguimiento a la Economía (ISE), la demanda y generación del sistema interconectado nacional (SIN); mientras que en el eje derecho se observan las de mayor variación (líneas) como los nuevos autos y motos vendidos a nivel nacional. 

Para las series mensuales del ISE, Autos, Motos, generación y demanda de energía se toma la variación anual (mes 2021 vs mismo mes del año 2020), que muestran un rebote estadístico importante en los meses de marzo y lo corrido de abril del 2021.

Figura 2: Evolución de los principales predictores mensuales del PIB en tiempos de cambios disruptivos.​​


Fuente: Cálculos propios con datos del Departamento Administrativo Nacional de Estadística (DANE), Andemos, Portal BI de XM (con datos a 19 abril 2021).

La mayoría de los indicadores líderes muestran un importante repunte en marzo y lo corrido en abril del 2021, en gran parte es un fenómeno estadístico por la baja línea base de comparación respecto al año anterior por las fuertes medidas de contención de movilidad implementadas en dicho periodo en el país.

Es importante destacar, los sorprendentes repuntes en el sector de autos y motos vendidos, con cifras que llegan (87 %) y (59 %) respectivamente en el mes de marzo; más sorprendentes aún las cifras de la demanda y generación de energía, registrando variaciones nunca vistas en la economía del (14 %) y (15 %) respectivamente, no obstante, recuperando poco de lo perdido en el mismo mes del año inmediatamente anterior, pues se registró el (-11 %) y (-12 %) respectivamente. Son los mejores registros presentados desde marzo de 2020, lo que muestra que se volvió a retomar rápidamente la senda de recuperación de la actividad económica, que se había frenado por las nuevas restricciones del mes de enero, cuestión reflejada en la estimación del Nowcast_GT. Por su parte, el ISE experimentó una variación anual en febrero del -3.5%, una contracción mayor de lo esperado por los analistas por un fenómeno estacional (febrero 2020 tuvo un día adicional, el 29 sábado con mayor intensidad en compras).

Para apoyar nuestro análisis y presentar nuestra novedad distintiva, hoy en día, existen diversas formas de recolectar datos para conocer el estado actual de la economía. En 2009, Google, empresa líder en el mercado de motores de búsqueda, comenzó a publicar las consultas de búsqueda de sus usuarios a través de una interfaz de acceso público, lo que hace a esta una fuente de vital importancia, dado la importancia del internet en el día a día. A medida que las restricciones de distanciamiento social sigan cambiando, los consumidores continuarán experimentando con nuevos comportamientos de comercio digital, por lo que algunos hábitos continuarán formándose y evolucionando. En gran medida, lo anterior se puede captar con las búsquedas de palabras claves en Google Colombia.

En este orden de ideas, seleccionamos un conjunto de palabras clave para construir una gama de modelos con frecuencia semanal y también alimentar el mensual (teniendo en cuenta que, cuando en Google Trends los datos se descargan con períodos superiores a cinco años la data es mensual, en cambio en periodos inferiores, su frecuencia es semanal). Para la adecuada selección, calculamos las correlaciones dinámicas mensuales con el ISE, teniendo en cuenta que este tiene una correlación dinámica con el PIB trimestral Colombia mayor del 98 %.

Figura 3: Evolución mensual de las tendencias de Google Colombia y el ISE en tiempos de cambios disruptivos.

 
 
 
Fuente: Estimación propia con datos de Google Trends (a 18 de abril 2021) y DANE.

Teniendo en cuenta el rezago de la publicación de la información de las principales cifras macroeconómicas, el Nowcast_GT busca reflejar de forma oportuna el ritmo de la actividad económica real del país. La novedad distintiva en el modelo radica en la incorporación de las tendencias de Google en Colombia y que se estimará con el uso de inteligencia artificial para una economía emergente, el proceso sintetiza en la Figura 4.

Figura 4: Esquema del proceso de construcción del Nowcast_GT del PIB en Colombia.​​

Fuente: Elaboración de los autores.

A continuación, se presenta el mejor modelo estimado teniendo en cuenta criterios Bayesianos de AIC, BIC y HQIC; las métricas de RMSE, MSE y MAE (ver Figura 9) y usando validación cruzada y regularización, así pues, se eligió las redes neuronales profundas, más exactamente, el perceptrón multicapa (DMLP) que se describe en la Figura 5.

Figura 5: Esquema del proceso de la red neuronal profunda (DMLP) del modelo Nowcast_GT del PIB en Colombia.​​

Fuente: Elaboración de los autores.

Con el fin de conocer el estado actual de la economía, construimos un índice de la actividad económica de tendencias de Google (Nowcast_GT) utilizando consultas de búsqueda para Colombia (ver Figura 3), incluyéndose como regresores en una familia de modelos simples de dinámica de factores (de orden 2), series de tiempo ARIMA (ver Anexo), y modelos de aprendizaje supervisado de predicción inmediata (Nowcast). Nuestros resultados muestran que los modelos que incorporan la búsqueda de Google superan las especificaciones de referencia (Ver Figura 9) de la competencia en ejercicios de predicción inmediata tanto dentro como fuera de la muestra y, a su vez, también a modelos tipo ARIMA (Ver anexo). En este sentido, a continuación, se muestra el cálculo del Nowcast_GT para Colombia (siendo la línea de color azul); el ISE total (línea roja); su proyección mensual los puntos grises; y el Nowcast (color verde).

Figura 6: Nowcast_GT semanal a partir de Google Trends Colombia.

Fuente: Cálculos propios con datos de DANE & Google Trends (con datos a 18 de abril 2021). Estimación propia en Python (TensorFlow2).

Como se puede observar (línea azul respecto a puntos amarillos), las palabras claves son importantes para la predicción de la actividad económica semanal y mensual en Colombia, puesto que son buenos indicios de los intereses y expectativas de los hogares y personas naturales, quienes son los principales agentes determinantes de la dinámica económica. Aún es posible ajustar el modelo con la incorporación de nuevas palabras claves, lo que sugiere que los datos de Google son una fuente prometedora de información para los componentes de Nowcast del PIB en modelos a corto plazo, un ejercicio que lo dejamos para futuros informes. Finalmente, presentamos los datos de alta frecuencia que reflejan el estado más actual de la economía, por un lado, tenemos los de frecuencia diaria el promedio móvil de la movilidad de Google Colombia (línea roja medida en cambios porcentuales respecto a enero 2020) y la demanda de energía SIN de Colombia (línea amarilla medida en KWH).

Se evidencia la importante recuperación que venía presentando las series a partir de septiembre en consonancia con la recuperación económica hasta diciembre 2020, dónde se experimentaron los más altos niveles de movilidad por las festividades navideñas; fenómeno fuertemente reversado por las nuevas medidas implementadas a principio del año 2021, pero a medida que se iban flexibilizando dichas medidas, se recuperaba rápidamente la movilidad de Google y la demanda de energía. En este orden de ideas, en febrero, marzo la caída de la actividad económica se sigue corrigiendo, en gran parte al optimismo y el aumento en la confianza del consumidor y la industria, que se refleja en nuestro Nowcast_GT más favorable desde el inicio de la pandemia. No obstante, en lo corrido de abril se han experimentado volatilidades importantes, debido a la tercera ola de Covid-19 en el país, que se refleja en la demanda de energía, movilidad de Google y el Nowcast semanal a partir de Google Trends de la Figura 6.

Figura 7: Datos de alta frecuencia: Movilidad de Google Colombia, demanda de energía y búsquedas de Google Trends Colombia.​​​​​

Fuente: Cálculos propios con datos de Google Mobility (con datos a 16 de abril 2021), Google Trends (con datos a 18 de abril 2021) & Portal BI de XM (con datos hasta el 16 de abril 2021).

En síntesis, la economía colombiana tocó fondo en el segundo trimestre 2020 con el -15,8 % y tuvo una importante recuperación en el tercer trimestre del -8,5 % que se completó con un mejor cuarto trimestre con apenas una caída del 3,5 %, para un total para el año del -6,8 % la peor caída en la historia económica reciente. Teniendo en cuenta este resultado, y las medidas restrictivas implementadas en lo corrido del 2021, es fundamental conocer el estado actual del primer trimestre del 2021 para evidenciar si efectivamente la economía sigue la senda de recuperación. En este sentido, la Figura 8 presenta los resultados de estimación del NowCast_GT del grupo coyuntura EAFIT.


Figura 8: Resultados Nowcast del PIB Colombia en el primer trimestre del 2021​.​​

Fuente: Estimación realizada en Python (TensorFlow2).

Se desarrolla un marco de predicción inmediata, basado en datos de micro y macro nivel con datos tanto convencionales como no convencionales, para proporcionar estimaciones más rápidas de la actividad económica real en Colombia. Se encuentra en nuestro Nowcast_GT (abril) una contracción estimada en el rango de -1,3 % y 0,9 %, con un valor más probable de -0,22 %, en el primer trimestre del 2021 en Colombia, debido a la importante y rápida recuperación de la mayoría del conjunto de predictores en febrero y el importante rebote estadístico del mes de marzo, en consonancia con la recuperación económica.

En este esfuerzo de integrar Nowcast_GT EAFIT, machine learning, indicadores líderes del PIB de alta frecuencia y datos no convencionales (Google trends) se encuentran hallazgos interesantes para la construcción de un Nowcast semanal robusto, preciso y con información lo más anticipada posible para la economía colombiana. En la Figura 9, se presenta las métricas de precisión para los distintos tipos de modelos estimados por el equipo Nowcast, con la inclusión y sin la inclusión de datos de tendencias de Google (GT).

Figura 9: Métricas modelos Nowcast del PIB Trimestral Colombia.​​​
​​

Fuente: Estimación realizada en Python (Scikit-learn, Keras & Tensorflow).

Nuestro pronóstico establece una conexión entre patrones de consumo (captados por Google Trends Colombia), indicadores líderes del PIB y técnicas de inteligencia artificial. Lo que sugiere que el uso de Google Trends en el Nowcast es una parte importante del conjunto de herramientas de pronóstico macro de países emergentes, eliminando brechas de información que se presentan en la divulgación de información macroeconómica. Es importante destacar que nada de la situación es estático. A medida que salga a la luz nueva información sobre el Covid-19, ritmo de vacunación, las limitaciones para la reapertura de los diversos sectores de la economía y el impacto de la pandemia en las finanzas de los consumidores: y dada la naturaleza única de esta crisis, la medición continua de las tendencias de Google es una parte importante de las previsiones macroeconómicas fiables.

Referencias:​

Asociación Nacional de Movilidad [ANDEMOS]. (2021). Cifras y Estadísticas. https://www.andemos.org/index.php/cifras-y-estadisticas-version-2/
Bolhuis, M. A., & Rayner, B. (2020). Deus ex Machina? A Framework for Macro Forecasting with Machine Learning. IMF Working Papers.
Carrière‐Swallow, Y., & Labbé, F. (2013). Nowcasting with Google Trends in an emerging market. Journal of Forecasting, 32(4), 289-298.
Departamento Administrativo Nacional de Estadística [DANE]. (2021). Estadísticas por tema. https://www.dane.gov.co/index.php/estadisticas-por-tema
Fundación para la Educación Superior y el Desarrollo [Fedesarrollo]. (2021). Encuestas de opinión. https://www.fedesarrollo.org.co/es/quienes-somos
Federal Reserve Economic Data [FRED]. (2021). Economic data. https://www.google.com/search?q=fred+meaning+economics&rlz=1C1SQJL_esCO918CO918&oq=FRED+meani&aqs=chrome.5.69i57j0j0i22i30l4j0i10i22i30j0i22i30l3.5335j0j4&sourceid=chrome&ie=UTF-8
Ferrara, L., & Simoni, A. (2019). When are Google data useful to nowcast GDP? An approach via pre-selection and shrinkage.
Fornaro, P., & Henri, L. (2020). Nowcasting Finnish real economic activity: a machine learning approach. Empirical Economics, 58(1), 55–71.
Google Mobility. (2021). Informes de movilidad local. https://www.google.com/covid19/mobility/
Google Trends. (2021). Búsquedas de consumo en Colombia. https://trends.google.es/trends/explore?geo=CO&q=vehículos
Koop, G., & Onorante, L. (2019). Macroeconomic Nowcasting Using Google Probabilities☆. In Topics in Identification, Limited Dependent Variables, Partial Observability, Experimentation, and Flexible Modeling: Part A. Emerald Publishing Limited.
Koop, G., McIntyre, S., Mitchell, J., & Poon, A. (2021). Nowcasting ‘True’ Monthly US GDP During the Pandemic. Centre for Applied Macroeconomic Analysis [CAMA], 14. https://cama.crawford.anu.edu.au/publication/cama-working-paper-series/18361/nowcasting-true-monthly-us-gdp-during-pandemic
Nagao, S., Takeda, F., & Tanaka, R. (2019). Nowcasting of the US unemployment rate using Google Trends. Finance Research Letters, 30, 103-109.
Portal BI Información Inteligente [XM]. (2021). Históricos de demanda. http://portalbissrs.xm.com.co/dmnd/Paginas/Historicos/Historicos.aspx
Sampi, J., & Jooste, C. (2020). Nowcasting Economic Activity in Times of COVID-19 : An Approximation from the Google Community Mobility Report (No. 9247). https://openknowledge.worldbank.org/handle/10986/33794
Woloszko, N. (2020). Tracking activity in real time with Google Trends (No. 1634). https://www.oecd-ilibrary.org/economics/tracking-activity-in-real-time-with-google-trends_6b9c7518-en

Anexo

Con el fin de mostrar la ganancia en el uso de modelo Nowcast_GT frente a metodologías más tradicionales, se estimaron varios modelos tipo ARIMA de diferente orden, pero de acuerdo con criterios AIC y BIC se seleccionaron los de orden (1,1,0), (2,1,0) y (1,1,1); y se estimaron 3 proyecciones de crecimiento económico trimestral para Colombia en el primer trimestre de 2021. El primer modelo arroja una proyección de -1,97%, el segundo de -1,09% y el tercero de -1,33% (Figura 10), siendo -1,44% el promedio de estas, mostrando la estabilidad de las predicciones del modelo que soluciona la incorporación de las tendencias de Google y el uso de las redes neuronales profundas (DMLP). 

​Figura 10: Crecimiento económico y proyecciones con modelos ARIMA.​ 


Fuente: Estimación propia usando datos del DANE. Facatativá, Cundinamarca. 22 de abril del 2021. ​


1 Estudiante de pregrado en Economía de la Universidad EAFIT, integrante del Grupo de Coyuntura. aarteagaa@eafit.edu.co

2 Magíster en Economía de la Universidad EAFIT, integrante del Grupo de Coyuntura. ihurtado@eafit.edu.co

3 Estudiante de pregrado en Economía de la Universidad EAFIT, integrante del Grupo de Coyuntura. sgomezm10@eafit.edu.co

4 MSc Economics, Universidad EAFIT & MSc in Systems Engineering (c), Universidad Nacional. Integrante del Grupo de Coyuntura. dfmontaneh@eafit.edu.co

Última modificación: 26/04/2021 11:54

Escriba su opinión sobre este artículo