Los puntos clave no están disponibles para este artículo en este momento.
El pronóstico económico se ocupa de la estimación de alguna variable como el producto interno bruto (PIB) en el próximo período dado un conjunto de variables que describen la situación o estado actual de la economía, incluyendo la producción industrial, la facturación del comercio minorista o la confianza económica. La programación neuro-dinámica (NDP) proporciona herramientas para abordar el pronóstico y otros problemas secuenciales con espacios de estados de alta dimensión. Mientras que los métodos de pronóstico convencionales penalizan la diferencia (o pérdida) entre los resultados predichos y los reales, la NDP favorece la diferencia entre predicciones sucesivas temporalmente, siguiendo un enfoque interactivo y de prueba y error. Los datos pasados proporcionan una guía para entrenar los modelos, pero de una manera diferente a los mínimos cuadrados ordinarios (OLS) y otros métodos de aprendizaje supervisado, señalando los costos de ajuste entre estados secuenciales. Encontramos que es posible entrenar un modelo de pronóstico del PIB con datos de otros países que funciona mejor que los modelos entrenados con datos pasados del país evaluado (Portugal). Además, encontramos que las arquitecturas no lineales para aproximar la función de valor de un problema secuencial, a saber, las redes neuronales pueden desempeñarse mejor que una simple arquitectura lineal, reduciendo el error absoluto medio de pronóstico (MAE) fuera de muestra en un 32 % en comparación con un modelo OLS.
Pedro Afonso Fernandes (Jue,) estudió esta cuestión.