Análisis de un Modelo Predictivo con técnicas de Machine Learning, acerca de la inflación pospandemia en Colombia durante 2020–2024

Abstract

Este documento presenta el desarrollo del Proyecto de Grado orientado al análisis de un Modelo Predictivo para estimar la trayectoria del Índice de Precios al Consumidor (IPC) en Colombia durante el periodo 2020–2024. La investigación se fundamenta en series oficiales del Departamento Administrativo Nacional de Estadística (DANE) y del Banco de la República, con datos mensuales comprendidos entre 2007 y 2024. En la versión final del estudio, la variable objetivo se define como IPC puro, entendido como el índice en nivel observado mensualmente. Por tanto, no se utilizan transformaciones interanuales, variaciones porcentuales ni tasas de inflación derivadas como variable dependiente de los modelos. Se implementaron y compararon nueve modelos predictivos en Python: Regresión Lineal Simple, ARIMA Univariado, Ridge Univariado, Ridge Multivariado, Regresión Lineal Múltiple, Gradient Boosting Regressor, ExtraTreesRegressor, Suavización Exponencial de Holt y Naive Forecast o Caminata Aleatoria. Los modelos fueron evaluados mediante las métricas R², RMSE y MAE sobre un esquema de validación temporal con entrenamiento entre 2007 y 2019 y prueba entre 2020 y 2024.

Los resultados muestran que el Naive Forecast, obtuvo el mejor desempeño global fuera de muestra, con R²_test = 0.9963, RMSE_test = 0.8926 y MAE_test = 0.7247, evidenciando una elevada persistencia temporal del IPC. Entre los modelos de Machine Learning, el Ridge Univariado presentó el mejor desempeño, alcanzando R²_test = 0.9611, RMSE_test = 2.8800 y MAE_test = 2.2752. El Ridge Multivariado también obtuvo resultados destacados, mientras que los modelos basados en árboles, la Regresión Lineal Simple, ARIMA y la Suavización Exponencial de Holt mostraron una menor capacidad de generalización frente a los cambios observados durante el periodo postpandemia. El estudio concluye que la persistencia temporal constituye el principal factor predictivo del IPC puro y que las variables macroeconómicas complementan la interpretación económica del fenómeno inflacionario. En consecuencia, el Naive Forecast se consolida como el benchmark predictivo más preciso, mientras que el Ridge Univariado se identifica como el mejor modelo de Machine Learning desarrollado en la investigación.