Métodos de aprendizaje automático en pronósticos macroeconómicos: Resultados preliminares

El documento resume los métodos de aprendizaje automático (ML) más relevantes para la macroeconomía y evalúa su rendimiento en la predicción y actualización de indicadores macroeconómicos clave. A pesar del rápido progreso metodológico y un aumento en las publicaciones en los últimos 25 años, las ganancias en la precisión de pronósticos con datos estadísticos tradicionales (económicos, financieros y de encuestas) siguen siendo modestas. Los modelos de ML a menudo superan los puntos de referencia econométricos naïve y estándar, pero las mejoras no siempre son estadísticamente significativas y, cuando lo son, pueden ser demasiado pequeñas para importar a los profesionales una vez que se consideran los costos de implementación. Resaltamos varias tareas donde el ML ya es útil incluso con datos tradicionales y enfatizamos que el ML se vuelve indispensable con datos "grandes" y no estructurados.