Comparación de la capacidad predictiva de Holt-Winters y XGBoost en la proyección del IPCA mensual

doi:10.22167/2675-6528-202602831

Artículo

30 de septiembre de 2026

Comparación de la capacidad predictiva de Holt-Winters y XGBoost en la proyección del IPCA mensual

Comparación de la Capacidad Predictiva de Holt-Winters y Xgboost en la Proyección del IPCA Mensual

Douglas Gonçalves Leite; Patrícia Belfiore Fávero

DOI: 10.22167/2675-6528-202602831

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

La previsión de la inflación representa un desafío central en la gestión macroeconómica, impactando la política monetaria, los contratos indexados y la planificación fiscal. En Brasil, el Índice Nacional de Precios al Consumidor Amplio (IPCA) combina dinámica inercial con sensibilidad a choques exógenos, exigiendo metodologías específicas. En este estudio, se comparó la capacidad predictiva del modelo de Holt-Winters y del algoritmo XGBoost en la proyección mensual del IPCA en un horizonte de seis meses. Se utilizó una serie histórica de enero de 2010 a julio de 2025, con 186 a 187 observaciones mensuales. Ambos modelos fueron sometidos a auditoría metodológica, incluyendo corrección de outliers vía descomposición STL, validación temporal walk-forward con ventana expansiva en cinco rondas y construcción de intervalos de confianza por bootstrap no paramétrico con 3.000 iteraciones. En el subconjunto de prueba común (agosto a diciembre de 2025), el XGBoost obtuvo un Error Absoluto Medio (MAE) de 0,224 p.p., contra 0,288 p.p. del Holt-Winters, una ventaja del 22%. Sin embargo, en la estimación walk-forward, el Holt-Winters presentó un MAE medio de 0,237 p.p. frente a 0,264 p.p. del XGBoost, indicando un resultado favorable en un horizonte de evaluación más amplio. El XGBoost demostró una cobertura del 100% en los intervalos de confianza del 80% y 95%, mientras que el Holt-Winters registró 50% y 83%, respectivamente. Ambos modelos fallaron en anticipar choques de precios administrados, evidenciando una limitación estructural de enfoques univariados. Los resultados sugieren que la elección del modelo ideal depende del horizonte y de la métrica priorizada, con potencial complementariedad vía ensemble por horizonte de proyección.

Palabras clave: Holt-Winters; IPCA; Previsión de inflación; Series temporales; XGBoost.

1. Introducción

La previsión de la inflación constituye uno de los desafíos centrales de la gestión macroeconómica, con implicaciones directas sobre la eficacia de la política monetaria, la calibración de contratos indexados y la planificación fiscal del sector público y privado. En general, el Banco Central utiliza información económica, como los índices de inflación, para monitorear la economía y proporcionar subsidios a agentes económicos y al gobierno, permitiendo la formulación de políticas y promoviendo el crecimiento económico sostenible.

En Brasil, el Índice Nacional de Precios al Consumidor Amplio (IPCA), índice oficial de inflación calculado por el Instituto Brasileño de Geografía y Estadística (IBGE), combina una dinámica inercial persistente con sensibilidad a shocks exógenos de elevada magnitud. Estas características imponen exigencias metodológicas específicas a los modelos de proyección, haciendo de la tarea de predecir la inflación un proceso complejo y de gran relevancia.

La previsión de índices de precios es un tema consolidado en la literatura de econometría aplicada. Stock y Watson (2007) documentaron que modelos autorregresivos simples se volvieron progresivamente difíciles de superar para la previsión de la inflación estadounidense a partir de los años 1990. En el contexto de economías emergentes, García-Ferrer y Highfield (1994) demostraron que modelos de suavización exponencial, como el Holt-Winters, producen previsiones de índices de precios comparables a las de modelos estructurales más elaborados en horizontes de corto plazo. En Brasil, Marçal et al. (2013) identificaron que métodos de suavización exponencial compiten favorablemente con modelos ARIMA y de factores en la previsión del IPCA de corto plazo. Sin embargo, Cecchetti et al. (2000) concluyeron que ninguna clase de modelo domina a las demás en todos los horizontes, recomendando la combinación de enfoques para mayor robustez.

Más recientemente, algoritmos de aprendizaje automático, incluidos random forests, redes neuronales recurrentes y métodos de boosting, han demostrado potencial para superar modelos econométricos tradicionales en pronósticos del IPCA en horizontes de mediano plazo, cuando se alimentan con conjuntos ricos de series macroeconómicas (Medeiros et al., 2016; Araújo y Gaglianone, 2022). El XGBoost, en particular, se destaca por combinar un elevado rendimiento predictivo con mecanismos explícitos de regularización que mitigan problemas de sobreajuste, según lo fundamentado por Chen y Guestrin (2016) y Varian (2014).

La dinámica inflacionaria brasileña presenta tres características que moldean la elección metodológica adecuada para su predicción. La primera es la fuerte persistencia inercial, con autocorrelaciones significativas en los rezagos de corto plazo, lo que hace que modelos que capturan eficientemente el nivel reciente de la serie, como el Holt-Winters, sean competitivos en horizontes de uno a dos meses (Atkeson y Ohanian, 2001). La segunda es la estacionalidad estructural regular, con el IPCA exhibiendo patrones mensuales relativamente estables a lo largo de las décadas, favoreciendo modelos con componente estacional explícito (Chatfield, 2001). La tercera es la ocurrencia periódica de regímenes inflacionarios distintos, marcados por choques de precios administrados, variaciones cambiarias abruptas y ciclos de commodities, que introducen no linealidades y quiebres estructurales que escapan al alcance de modelos puramente lineales (Medeiros et al., 2016; Araújo y Gaglianone, 2022). Es precisamente este conjunto de características lo que justifica la comparación entre el Holt-Winters, diseñado para capturar las dos primeras, y el XGBoost, con capacidad de modelar la tercera.

En este contexto, se vuelve relevante investigar si la incorporación de una mayor complejidad metodológica, representada por un modelo de aprendizaje automático capaz de capturar relaciones no lineales e interacciones complejas entre variables, como XGBoost, resulta en ganancias efectivas de precisión en la proyección de la inflación brasileña en relación con un modelo tradicional univariado, como Holt-Winters, en un horizonte de seis meses. Esta comparación permite evaluar empíricamente si enfoques más flexibles superan modelos basados predominantemente en el comportamiento reciente de la inflación, contribuyendo a la mejora continua de las prácticas de monitoreo y gestión de la economía.

Este trabajo tiene como objetivo general comparar la capacidad predictiva de dos modelos estructuralmente distintos en la predicción del IPCA mensual en un horizonte de seis meses: el modelo de Holt-Winters, representativo de enfoques estadísticos tradicionales, y el XGBoost, representativo de los métodos contemporáneos de aprendizaje automático.

2. Material y Métodos

La metodología empleada en este estudio se basó en la comparación empírica de la capacidad predictiva de dos modelos distintos: el modelo de Holt-Winters y el algoritmo XGBoost. Este enfoque fue seleccionado para evaluar la proyección del Índice Nacional de Precios al Consumidor Amplio (IPCA) mensual en un horizonte de seis meses, considerando las características específicas de la serie temporal en un contexto de baja dimensionalidad.

El modelo de Holt-Winters, representativo de los enfoques estadísticos tradicionales, fue elegido en detrimento de alternativas como ARIMA y SARIMA. Su preferencia se debió a la parsimonia en el manejo de series que exhiben estacionalidad estable y ausencia de tendencia pronunciada, características observadas en el perfil del IPCA en el período analizado (Gardner, 1985; Makridakis, Wheelwright y Hyndman, 1998).

El Holt-Winters pertenece a la clase de métodos de suavizado exponencial, estructurado para descomponer series temporales en componentes de nivel, tendencia y estacionalidad. Estos componentes se actualizan recursivamente a través de parámetros de suavizado (Holt, 1957; Winters, 1960; Hyndman y Athanasopoulos, 2021). La variante aditiva sin tendencia, ETS(A,N,A), se adoptó tras la comparación de tres especificaciones por el criterio de información de Akaike (AIC).

En esta variante, los parámetros de suavización se reducen a dos: α, para el nivel, y γ, para la estacionalidad. La ecuación de actualización del nivel pondera la observación corriente y la estimación anterior, mientras que la actualización del componente estacional se realiza en base a la diferencia entre el valor observado y el nivel estimado, ajustada por el componente estacional del ciclo anterior. La previsión para períodos futuros se obtiene por la suma del nivel estimado y el componente estacional proyectado.

El modelo Holt-Winters se ajustó sobre la serie histórica del IPCA de enero de 2010 a junio de 2025, totalizando 186 observaciones. Cuatro valores atípicos fueron previamente corregidos mediante descomposición STL robusta, utilizando un umbral de 3 desviaciones estándar. Los puntos identificados fueron sustituidos por interpolación lineal entre los vecinos inmediatos.

En el polo de los métodos de aprendizaje automático, se seleccionó XGBoost en detrimento de Random Forest, Long Short-Term Memory (LSTM) y redes neuronales densas. Random Forest, aunque se basa en árboles de decisión, utiliza bagging y tiende a una menor precisión puntual en series temporales con dependencia a corto plazo (Chen y Guestrin, 2016; Fernández-Delgado et al., 2014).

Las redes LSTM y otras arquitecturas de aprendizaje profundo se consideraron inadecuadas para la serie mensual de 186 a 187 observaciones debido a la necesidad de volúmenes de datos sustancialmente mayores para una convergencia estable y a la sensibilidad a la elección de hiperparámetros (Mullainathan y Spiess, 2017).

XGBoost, por su parte, constituye un algoritmo de aprendizaje automático basado en la técnica de gradient boosting aplicado a árboles de decisión (Friedman, 2001; Chen y Guestrin, 2016). Combina múltiples modelos débiles de forma secuencial para minimizar una función de pérdida diferenciable, incorporando mecanismos explícitos de regularización L1 y L2 que controlan la complejidad de los árboles.

Para la aplicación de XGBoost en series temporales, se construyeron 18 características de ingeniería. Estas incluyeron 12 rezagos mensuales (lag_1 a lag_12), tres medias móviles (3, 6 y 12 meses, calculadas con desplazamiento temporal para evitar fuga de datos), dos componentes cíclicas (seno y coseno de la estacionalidad mensual) y un indicador de tendencia normalizado.

El modelo XGBoost se ajustó sobre la serie de enero de 2010 a julio de 2025 (187 observaciones), con dos valores atípicos previamente corregidos. La optimización de los hiperparámetros se realizó mediante RandomizedSearchCV con TimeSeriesSplit interno de cinco subdivisiones y 50 iteraciones por ronda de validación, resultando en una tasa de aprendizaje de 0,01, profundidad máxima de 4, número de estimadores de 200, submuestra de 0,90 y colsample bytree de 0,80.

Ambos los modelos fueron sometidos a un protocolo de validación walk-forward con ventana expansiva, según lo recomendado por Bergmeir y Benitez (2012). El procedimiento consistió en entrenar el modelo hasta un punto de corte, proyectar los seis períodos siguientes, avanzar la ventana en seis meses y repetir el proceso. Se ejecutaron cinco rondas con punto de corte inicial en junio de 2022, generando 30 puntos de evaluación fuera de la muestra.

Los intervalos de confianza para ambos modelos se construyeron mediante bootstrap no paramétrico con 3.000 iteraciones, utilizando una semilla aleatoria fijada en 42 para garantizar la reproducibilidad. Para el Holt-Winters, los residuos in-sample se remuestrearon con reemplazo. Para el XGBoost, los residuos de cada ronda walk-forward se recolectaron por horizonte y se utilizaron como base para el bootstrap.

La métrica principal de evaluación adoptada fue el Error Absoluto Medio (MAE) en puntos porcentuales, en detrimento del Error Porcentual Absoluto Medio (MAPE), dada la inadecuación de este último para series con valores cercanos a cero. Otras métricas calculadas incluyeron el Error Cuadrático Medio (RMSE), la cobertura de los intervalos de confianza (IC) y el coeficiente de Theil-U.

El desarrollo computacional de los modelos se realizó íntegramente en el lenguaje Python 3.12. Las bibliotecas utilizadas incluyeron pandas y numpy para la manipulación y estructuración de la serie temporal, statsmodels para el ajuste del modelo Holt-Winters y pruebas estadísticas, xgboost para el algoritmo de gradient boosting y scikit-learn para la validación y búsqueda de hiperparámetros.

En la etapa de preparación de datos, la serie temporal del IPCA se leyó de un archivo .xls proporcionado por el IBGE. Se realizó el tratamiento de celdas combinadas por relleno progresivo y la conversión de los nombres de los meses a un índice de fechas mensuales. La detección de valores atípicos se llevó a cabo mediante descomposición STL (Cleveland et al., 1990) aplicada al componente de residuo de la serie.

3. Resultados y Discusión

El análisis comparativo de la capacidad predictiva de los modelos Holt-Winters y XGBoost en la proyección del IPCA mensual reveló matices importantes sobre el desempeño de enfoques estadísticos tradicionales y métodos de aprendizaje automático en series temporales económicas. Los resultados obtenidos, sometidos a una rigurosa auditoría metodológica, incluyendo corrección de valores atípicos, validación walk-forward y construcción de intervalos de confianza por bootstrap, ofrecen una comprensión profunda de las fortalezas y limitaciones de cada modelo en el contexto de la inflación brasileña.

Inicialmente, la observación de la serie temporal del IPCA mensual, en el período de enero de 2024 a julio de 2025, permitió evaluar la calidad del ajuste in-sample de ambos modelos. Se verificó que el XGBoost, al incorporar la capacidad de capturar relaciones no lineales entre rezagos inflacionarios, reprodujo los movimientos de corto plazo de la serie con mayor proximidad. En contraste, el Holt-Winters demostró una tendencia a suavizar las oscilaciones, un comportamiento característico de modelos de suavización exponencial con un parámetro alfa moderado, según lo descrito por Gardner (1985).

Un ejemplo notable de esta diferencia ocurrió en febrero de 2025, cuando el IPCA alcanzó un pico del 1,31%. El XGBoost logró capturar parcialmente esta variación abrupta, mientras que el Holt-Winters la atenuó significativamente, evidenciando la mayor rigidez del modelo ETS ante cambios súbitos en la serie. Esta distinción resalta la capacidad del XGBoost de adaptarse a patrones más complejos y no lineales, que pueden ser cruciales en escenarios de volatilidad inflacionaria.

En la ventana de proyección, que abarcó el período de agosto a diciembre de 2025, ambos modelos sobreestimaron sistemáticamente los valores realizados del IPCA. Esta sobreestimación indica que los modelos no fueron capaces de capturar la amplitud de la desaceleración inflacionaria que de hecho ocurrió. Tal comportamiento es esperado de modelos univariados que basan sus proyecciones predominantemente en la inercia histórica y en los patrones estacionales, sin acceso a variables de política pública o de precios administrados, confirmando una limitación estructural inherente a estos enfoques.

Proyecciones mensuales y comparación con los valores realizados

La comparación de las proyecciones mensuales con los valores reales del IPCA para el período de agosto a diciembre de 2025 reveló que XGBoost obtuvo un Error Absoluto Medio (MAE) de 0,224 puntos porcentuales (p.p.), mientras que Holt-Winters registró 0,288 p.p. Esta diferencia representa una ventaja del 22% para XGBoost en el subconjunto de prueba común. Esta superioridad es económicamente relevante, ya que una reducción de 0,064 p.p. en el error medio de proyección mensual del IPCA puede llevar a calibraciones más precisas de tasas de interés reales, indexadores contractuales y proyecciones de resultado fiscal.

Dois meses em particular merecem destaque. Em agosto de 2025, o IPCA registrou uma deflação de -0,11%, impulsionada pela redução da bandeira tarifária de energia elétrica e pela queda nos preços dos combustíveis. Ambos os modelos falharam em prever essa deflação, projetando valores positivos e resultando em erros entre 0,26 e 0,41 p.p. Esse achado corrobora a literatura que aponta as limitações de modelos univariados diante de choques exógenos administrados, como discutido por Atkeson e Ohanian (2001).

En octubre de 2025, el IPCA registró 0,09%, un nivel significativamente por debajo del patrón histórico estacional para el mes. En este escenario, el XGBoost presentó un error absoluto menor, de 0,31 p.p., beneficiado por la reducción de la importancia relativa del rezago de un mes (lag_1), que pasó de 23,2% a 16,6% tras la optimización de los hiperparámetros. Además, la emergencia de los rezagos de nueve y seis meses (lag_9 y lag_6) como características relevantes indicó que la memoria de mediano plazo contribuyó a capturar desaceleraciones inflacionarias graduales.

El mes de diciembre de 2025 marcó el mejor rendimiento del XGBoost, con un error de solo 0,09 p.p. Esta precisión es atribuible a la capacidad de las características cíclicas (seno y coseno) de representar adecuadamente la estacionalidad de fin de año, un aspecto destacado por Makridakis, Spiliotis y Assimakopoulos (2020). Estos resultados puntuales demuestran la flexibilidad del XGBoost para adaptarse a diferentes patrones estacionales y de desfase, cuando está debidamente configurado.

MAE por horizonte de proyección

La evaluación del MAE medio por horizonte de proyección, realizada a través de cinco rondas de validación walk-forward, ofreció una perspectiva más detallada sobre el rendimiento de cada modelo. El Holt-Winters demostró superioridad en cuatro de los seis horizontes evaluados (h=1, h=3, h=4 y h=5). La ventaja más expresiva del Holt-Winters se observó en el horizonte de un mes (h=1), donde su MAE de 0,155 p.p. fue un 24% menor que el MAE de 0,204 p.p. del XGBoost.

En los horizontes de cuatro y cinco meses (h=4 y h=5), los errores de XGBoost fueron un 17% y un 42% superiores, respectivamente, en comparación con Holt-Winters. Este patrón de rendimiento de Holt-Winters es coherente con la teoría de los modelos ETS, que, al utilizar un parámetro alfa moderado, pondera adecuadamente el nivel actual y la historia reciente de la serie, generando proyecciones a corto plazo que son precisas y estables para series sin tendencia pronunciada, como señalan Hyndman y Athanasopoulos (2021).

Por otro lado, XGBoost superó a Holt-Winters en los horizontes de dos meses (h=2) y seis meses (h=6). La ventaja en el horizonte de dos meses (h=2), con un MAE de 0,347 p.p. contra 0,415 p.p. de Holt-Winters, es particularmente relevante para las decisiones de política monetaria, que frecuentemente se basan en proyecciones de inflación de corto y mediano plazo. La superioridad de XGBoost en h=6, con un MAE de 0,167 p.p. contra 0,208 p.p. de Holt-Winters, puede atribuirse a la capacidad de las features estacionales cíclicas de codificar el patrón de inflación del mismo mes en el próximo semestre.

El pico de error de Holt-Winters en el horizonte de dos meses (h=2), que fue 2,7 veces superior al error en h=1, representa una fragilidad estructural para horizontes de dos meses en modelos ETS sin tendencia, un fenómeno documentado por Hyndman et al. (2002). Esta observación sugiere que, si bien Holt-Winters es robusto para el cortísimo plazo, su rendimiento puede verse comprometido en horizontes ligeramente más largos, donde la dinámica de la serie puede requerir una modelización más flexible.

Rendimiento general y calibración de los intervalos de confianza

En el subconjunto de prueba común, que abarcó el período de agosto a diciembre de 2025, XGBoost registró un MAE de 0,224 p.p., superando a Holt-Winters, que presentó 0,288 p.p., una ventaja del 22,2%. Sin embargo, en la validación walk-forward agregada, que consideró 30 puntos de evaluación y diferentes regímenes inflacionarios, Holt-Winters demostró un MAE promedio de 0,237 p.p., superior al MAE de 0,264 p.p. de XGBoost, indicando una robustez del 10,2% a favor del modelo de suavización exponencial en un horizonte de evaluación más amplio y metodológicamente más confiable.

La ventaja de Holt-Winters en la validación walk-forward puede explicarse parcialmente por su mayor robustez durante el shock inflacionario de 2022 (ronda 1), donde registró un MAE de 0,624 p.p. frente a 0,712 p.p. del XGBoost. La simplicidad estructural de Holt-Winters garantizó una mayor estabilidad a lo largo de múltiples horizontes y una mayor resistencia a períodos de fuerte oscilación inflacionaria. Desde el punto de vista teórico, la convergencia del parámetro gamma (γ) a cero en Holt-Winters, incluso después del tratamiento de outliers, reveló que la estacionalidad del IPCA se comportó de forma estática en el período analizado.

La calibración de los intervalos de confianza (IC) también presentó diferencias significativas. El XGBoost obtuvo una cobertura del 100% tanto en el IC del 80% como en el del 95% (cinco de cinco meses), beneficiado por el anclaje en residuos reales fuera de muestra por horizonte. En contraste, el Holt-Winters registró una cobertura del 50% en el IC del 80% (tres de seis meses) y del 83% en el IC del 95% (cinco de seis meses), sugiriendo que sus intervalos son excesivamente estrechos para el primer nivel de confianza. Adicionalmente, el Theil-U del Holt-Winters fue de 1,009, marginalmente por encima del umbral crítico de 1,0 (Theil, 1966), indicando que el modelo no superó el benchmark ingenuo en el período de prueba específico.

La relación entre el RMSE de entrenamiento y el RMSE de proyección, un indicador de sobreajuste, para XGBoost, disminuyó de aproximadamente 7,8 a 0,5 después de la optimización de hiperparámetros mediante walk-forward. Esta reducción confirmó la eliminación de un sobreajuste grave que comprometía la versión original de XGBoost, cuyos hiperparámetros se habían definido manualmente sin validación temporal, como discutieron Bergmeir y Benitez (2012). Holt-Winters, por su parte, mantuvo una relación cercana a 1,0, comportamiento esperado de un modelo paramétrico parcimonioso.

En resumen, la evaluación comparativa demuestra que la elección del modelo más adecuado para la predicción del IPCA depende del horizonte de proyección y de la métrica priorizada. Aunque el XGBoost ha presentado ganancias de precisión puntual en horizontes específicos y una calibración superior de los intervalos de confianza, el Holt-Winters se mostró más robusto y estable en una evaluación walk-forward más abarcadora, especialmente en horizontes de corto plazo. Ambos modelos, sin embargo, comparten la limitación estructural de no anticipar choques de política pública o precios administrados, evidenciando la necesidad de enfoques complementarios o multivariados para escenarios de elevada incertidumbre.

4. Conclusión

El presente estudio buscó comparar la capacidad predictiva del modelo de Holt-Winters y del algoritmo XGBoost en la proyección mensual del Índice Nacional de Precios al Consumidor Amplio (IPCA) en un horizonte de seis meses. Se verificó que el XGBoost demostró mayor capacidad de capturar relaciones no lineales y movimientos de corto plazo de la serie inflacionaria en la ventana de ajuste, mientras que el Holt-Winters exhibió un comportamiento de suavización más pronunciado ante variaciones abruptas. En la evaluación del subconjunto de prueba común, el XGBoost obtuvo un Error Absoluto Medio (MAE) de 0,224 p.p., superando al Holt-Winters, que registró 0,288 p.p. Sin embargo, en una validación walk-forward más abarcadora, el Holt-Winters presentó un MAE medio de 0,237 p.p., indicando mayor robustez y estabilidad en un horizonte de evaluación más amplio, con superioridad en cuatro de los seis horizontes de proyección. Se observó que la elección del modelo más adecuado dependió del horizonte de proyección y de la métrica de error priorizada.

La principal contribución de este trabajo reside en la evaluación empírica y metodológicamente rigurosa de dos enfoques distintos para la predicción de la inflación brasileña, ofreciendo subsidios para el perfeccionamiento de las prácticas de monitoreo y gestión económica. Se identificó que, aunque el XGBoost proporcionó ganancias de precisión puntual y una calibración superior de los intervalos de confianza, ambos modelos compartieron la limitación estructural de no anticipar choques de política pública o precios administrados, como las variaciones en bandeiras tarifárias y combustibles. Para estudios futuros, se sugiere la inclusión de regresores macroeconómicos por medio de especificaciones SARIMAX o XGBoost multivariado, así como la construcción de una estructura de ensemble por horizonte de proyección para optimizar la combinación de las fortalezas de cada modelo. La extensión del análisis con datos adicionales del primer semestre de 2026 también se muestra relevante para ampliar la muestra de prueba y fortalecer la robustez de las conclusiones.

Referencias Bibliográficas

Araújo, G.S.; Gaglianone, W.P. 2022. Machine learning

Cecchetti, S.G.; Chu, R.; Steindel, C. 2000. The unreliability of inflation indicators. Federal Reserve Bank of New York Current Issues in Economics and Finance, v. 6, n. 4, p. 1-6.

García-Ferrer, A.; Highfield, R.A. 1994. Business and economic forecasting: the state of the art. Journal of Forecasting, v. 13, n. 2, p. 99-114.

Marçal, E.F.; Mattos, L.B.; Teles, V.K. 2013. Forecasting Brazilian inflation using a large data set. Brazilian Review of Econometrics, v. 33, n. 2, p. 171-196.

Medeiros, M.C. et al. 2016. Forecasting inflation in a data-rich environment: the benefits of machine learning methods. Journal of Business and Economic Statistics, v. 39, n. 1, p. 98-119.

Stock, J.H.; Watson, M.W. 2007. Why has U.S. inflation become harder to forecast? Journal of Money, Credit and Banking, v. 39, n. s1, p. 3-33.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy

Más recientes

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

También te puede interesar

Economía, Inversiones Y Banca

23 de octubre de 2026

Educación Financiera, Comportamientos y Sesgos en la Toma de Decisiones Financieras

La gestión financiera personal representa un desafío creciente, influenciada por sesgos cognitivos que afectan la toma de decisiones, incluso en individuos con alto conocimiento. El presente estudio analizó la relación entre el nivel de educación financiera y la ocurrencia de sesgos conductuales en la toma de decisiones financieras de adultos residentes en Brasil. Se realizó un levantamiento de campo de naturaleza aplicada, cuantitativa y descriptivo-correlacional, mediante la aplicación de un cuestionario estructurado a 163 encuestados. El instrumento contempló variables sociodemográficas, conocimiento y hábitos financieros, y situaciones hipotéticas para identificar sesgos cognitivos. Los resultados indicaron que niveles más elevados de educación financiera se asociaron con mejores prácticas de control financiero, ahorro e inversión, con correlaciones significativas con ingresos y escolaridad. Sin embargo, la presencia de sesgos conductuales (anclaje, aversión a la pérdida, escasez, optimismo/pesimismo, sesgo del presente, status quo, exceso de confianza y contabilidad mental) persistió incluso entre individuos con mayor escolaridad e ingresos, sin asociación estadísticamente significativa con las variables sociodemográficas analizadas. Se concluyó que la educación financiera, aunque esencial para la organización y el control financiero, no fue suficiente para neutralizar la influencia de sesgos cognitivos. Se sugiere la incorporación de enfoques conductuales a los programas de educación financiera.

Palabras clave: Comportamiento financiero; Economía conductual; Finanzas personales; Heurísticas cognitivas; Sesgos cognitivos.

22 de octubre de 2026

Desafíos y Posibilidades del Primer Año Escolar de Niños con TEA para el Trabajo Docente

La inserción de niños con Trastorno del Espectro Autista (TEA) en la Educación Infantil presenta desafíos significativos, dada la dificultad de adaptación a nuevos entornos y la intensidad de estímulos. El objetivo fue analizar la actuación docente en la Educación Infantil en el proceso de escolarización inicial de niños con TEA. Se realizó un estudio de caso, utilizando la entrevista narrativa como técnica de producción de datos. Los resultados revelaron que la actuación docente se caracterizó por prácticas de mediación y afecto, con la flexibilización de la rutina y el uso de recursos lúdicos como estrategias esenciales para el desarrollo y la organización sensorial del niño. También se destacó la importancia del profesional de apoyo escolar para el éxito del trabajo pedagógico. El desarrollo integral del niño fue promovido por medio de acciones docentes intencionales que priorizaron la adaptación ambiental, el fortalecimiento de vínculos y la atención a las necesidades específicas del TEA. Como contribución, se elaboró una guía de estrategias pedagógicas orientada a la acogida de niños con TEA en guarderías públicas.

Palabras clave: Educación Infantil; Inclusión Escolar; Narrativas Docentes; Prácticas Pedagógicas Inclusivas; Trastorno del Espectro Autista.

22 de octubre de 2026

Viaje del Consumidor en la Decisión de Compra de Infoproductos en el Entorno Digital

La expansión del comercio electrónico y la transformación tecnológica impulsaron la necesidad de comprender el comportamiento del consumidor de infoproductos, cuya experiencia percibida se ha vuelto crucial para el desarrollo profesional. El estudio tuvo como objetivo analizar los factores que influyeron en la decisión de compra de infoproductos en el entorno digital, considerando las etapas del viaje del consumidor. Se realizó una investigación aplicada, cuantitativa y descriptiva, a través de un estudio de campo con 100 consumidores de la Serra Gaúcha. La recopilación de datos se realizó mediante un cuestionario estructurado, utilizando muestreo no probabilístico. Los resultados revelaron un público cualificado y con un fuerte comportamiento “mobile-first”. Se constató que la disponibilidad de información detallada y la aprobación social fueron los principales desencadenantes de atracción en la fase de precompra. En las etapas transaccionales y posteriores, la minimización de fricciones operativas, la agilidad del acceso inmediato y la seguridad sistémica demostraron ser cruciales para la conversión y la satisfacción, aunque se identificaron lagunas en la eficiencia del soporte humano. La retención se fundamentó en la confianza generada por experiencias anteriores positivas, superando el factor precio. Se concluyó que el viaje del consumidor de infoproductos opera como un sistema integrado, exigiendo alineación entre infraestructura tecnológica, curaduría de contenido y humanización del soporte para asegurar el compromiso.

Palabras clave: Comercio electrónico; Comportamiento del consumidor; Experiencia del consumidor; Fidelización; Negocios virtuales.

22 de octubre de 2026

Riesgos Psicosociales y Salud Mental en el Trabajo en una Institución Bancaria

La salud mental en el entorno laboral es un tema de creciente relevancia, que impacta el desarrollo profesional y el bienestar de los colaboradores. Se realizó un estudio para identificar aspectos y situaciones que pueden influir en los niveles de absentismo en una institución bancaria. La investigación involucró a 108 participantes y utilizó un cuestionario estructurado, basado en la versión corta del COPSOQ II de Gonçalves (2021), que contenía 45 preguntas cerradas en escala Likert y dos preguntas abiertas. Los datos se recopilaron a través de una plataforma en línea y se analizaron con un enfoque descriptivo y cuantitativo. Los resultados revelaron un escenario que indicó la necesidad de ajustes en la distribución de las actividades y en la percepción de los gerentes sobre comportamientos y señales de trastornos. Se identificaron evidencias importantes en las respuestas abiertas de los participantes. Se concluyó que el estudio contribuyó a la promoción de la percepción de un ambiente seguro para la salud mental en la organización.

Palabras clave: Ausencias por trastornos; Desarrollo profesional; Liderazgo operativo; Licencia médica; Salud mental.

22 de octubre de 2026

Observatorio Digital de la Amazonía: Ciencia de Datos Aplicada al Análisis de Indicadores Sociales, Económicos, Ambientales y de Salud

El estado de Amazonas ha enfrentado desafíos históricos en la consolidación del Sistema Único de Salud (SUS), derivados de barreras geográficas, desigualdades socioeconómicas y limitaciones estructurales. En este estudio se describió el desarrollo e implementación de un geoportal de información en salud, concebido para apoyar el monitoreo, la evaluación y la planificación en el contexto amazónico. Se adoptó un enfoque de estudio de caso descriptivo, basado en análisis documental y datos secundarios, abarcando el mapeo de funcionalidades, la infraestructura técnica y las etapas de validación de la herramienta. El Portal fue desarrollado con tecnologías abiertas e integró múltiples bases de datos nacionales, ofreciendo dashboards interactivos, mapas temáticos y repositorio digital de documentos. Entre los resultados, destacaron la visualización georreferenciada de indicadores clave, la posibilidad de análisis comparativos temporales y la utilización de la plataforma en la revisión de planes de salud y en el redireccionamiento de acciones estratégicas. El portal puede representar un avance en la gobernanza digital y en la gestión basada en evidencia, con potencial de replicabilidad para otros territorios de alta complejidad, siempre que vaya acompañado de inversiones en infraestructura tecnológica, capacitación profesional y articulación interinstitucional.

Palabras clave: Amazonía; Evaluación en Salud; Salud Digital; Sistemas de Información en Salud.

22 de octubre de 2026

Aprendizaje Continuo como Factor de Crecimiento Organizacional en la Percepción de los Colaboradores

El impacto del aprendizaje continuo y la gestión del conocimiento en el crecimiento de las organizaciones fue estudiado en un escenario de globalización y constantes cambios. El objetivo del estudio fue analizar la percepción de los colaboradores sobre la cultura de aprendizaje y su importancia para el desarrollo personal y profesional. Los datos se obtuvieron a través de una encuesta anónima, de enfoque cuantitativo, utilizando un formulario con preguntas tipo “survey” aplicado a 87 profesionales de los sectores de tecnología, salud, educación, comercio y servicios. Los resultados indicaron que los colaboradores tenían una percepción positiva sobre la contribución del aprendizaje continuo al crecimiento personal y organizacional, reconociendo sus beneficios para el desarrollo de nuevas habilidades, la innovación y la competitividad. Sin embargo, se observó que el incentivo al intercambio de conocimiento interno y la oferta de capacitaciones prácticas aún presentaban medias moderadas de acuerdo. Se concluyó que el aprendizaje continuo contribuye significativamente al desarrollo individual y organizacional, sugiriendo que las empresas deben desarrollar políticas estratégicas de aprendizaje dirigido a nuevas habilidades, buscando una mayor ventaja competitiva y la innovación.

Palabras clave: Aprendizaje continuo; Autodesarrollo; Crecimiento organizacional; Gestión del Conocimiento; Innovación.

22 de octubre de 2026

Regresión Estadística en Microrredes para Estimación de Desempeño Operacional: Caso Campusgrid

Se propuso un modelo de regresión estadística múltiple para estimar el rendimiento operativo de la microrred CampusGrid de la UNICAMP, basándose en magnitudes eléctricas internas. La microrred integra generación fotovoltaica, baterías y un generador de gas. Se recopilaron datos del sistema de gestión de energía en intervalos de cinco minutos durante un mes. El Índice de Confiabilidad Operacional, definido como la razón entre energía atendida y demandada, se estableció como variable dependiente. El modelo se ajustó al modo de operación aislado, evaluando el impacto de la demanda, el estado de carga, la generación solar y la energía suministrada. Los resultados revelaron un elevado poder explicativo, indicando que la confiabilidad operativa depende de la interacción entre el suministro y la demanda. Se observó que el período nocturno concentró la mayor tasa de atención parcial, atribuida a la reducción de la generación solar. Se concluyó que la regresión múltiple ofrece una estructura interpretable y útil para el monitoreo de microrredes y el apoyo a estrategias de control.

Palabras clave: Almacenamiento en baterías; Generación fotovoltaica; Índice de Confiabilidad; Operación aislada; Sistema de Gestión de Energía.

22 de octubre de 2026

Previsión de la Morosidad de Pago Agregada en el Sistema Financiero Brasileño por Modelo Sarimax con Variables Macroeconómicas

La morosidad agregada en el sistema financiero brasileño es un indicador crucial de riesgo crediticio, cuya previsión está regulada por las Resoluciones CMN n.° 4.557/2017 y 4.966/2021 para la medición prospectiva de pérdidas esperadas. Se modeló y predijo la morosidad agregada mediante el modelo SARIMAX, proyectando su trayectoria hasta diciembre de 2026 bajo escenarios optimista, base y pesimista. Se utilizaron 164 observaciones mensuales (julio/2012 a febrero/2026) y variables macroeconómicas como desempleo, Selic, IPCA, IBC-Br y endeudamiento de las familias. La especificación con variables contemporáneas fue seleccionada con base en criterios de información y estabilidad de los coeficientes, y el diagnóstico de los residuos confirmó adecuación estadística, con MAPE de 3,12%. La morosidad histórica varió entre 4,33% y 7,64%. La estimación identificó el desempleo (β = 0,2534; p < 0,001) y la Selic (β = 0,2128; p < 0,001) como principales determinantes positivos, con fuerte persistencia temporal (AR(1) = 0,8965). La Selic exhibió correlación creciente con la morosidad (r = 0,62 en el rezago 12), mientras que el desempleo demostró efecto contemporáneo (r = 0,33). Las proyecciones indicaron morosidad entre 6,30% y 7,98% en diciembre de 2026, con una amplitud de 1,68 punto porcentual, evidenciando implicaciones directas para el dimensionamiento de provisiones en las instituciones financieras.

Palabras clave: Desempleo; Modelado predictivo; Política monetaria; Provisión de pérdidas; Series temporales.

22 de octubre de 2026

Factores de Compromiso de las Partes Interesadas en la Transferencia Internacional de Tecnología a un Hospital Público

Este estudio describió los factores críticos percibidos para la participación de las partes interesadas en la transferencia internacional de tecnología en un hospital público, con foco en la planificación. El objetivo fue describir estos factores condicionantes, según la percepción de los profesionales. Se realizó un estudio de caso único, aplicando un cuestionario a 25 profesionales y utilizando análisis de contenido, complementado por tabulaciones descriptivas. Los principales obstáculos identificados fueron resistencia al cambio (72%), financiación (64%), falta de comunicación (60%) y burocracia (40%). Solo el 28% de los encuestados reconoció la existencia de herramientas adecuadas para la gestión de stakeholders, mientras que el 48% negó y el 24% no supo informar. Cruzamientos exploratorios indicaron variaciones en la evaluación de influencia según el tiempo de actuación, pero no establecieron relaciones causales. La falta de participación se asoció con retrasos, baja adhesión, desperdicio de recursos, fallas de comunicación, compromiso de la absorción de conocimiento y riesgos para la seguridad del paciente. Las conclusiones se restringieron a las percepciones del grupo investigado y fundamentaron recomendaciones preliminares para la comunicación y coordinación intersectorial.

Palabras clave: Estudio de caso; Gestión de proyectos; Innovación en salud; Partes interesadas; Sector público.

Economia

19 de octubre de 2026

¿Fin de la escala 6×1: qué permiten concluir los números?

Tras la promulgación del fin de la escala 6×1, el debate sobre la jornada menor pasa a la implementación y exige distinguir beneficios sociales de costos económicos El fin de la escala 6×1 pasó de la discusión legislativa a un cambio constitucional en Brasil. El 16 de octubre de 2026, el Congreso Nacional promulgó la enmienda constitucional nº 141/2026, originada de la Propuesta […]

Inteligencia Artificial

16 de octubre de 2026

¿Por qué estudiar si existe la IA?

Cuando las respuestas se vuelven fáciles, aprender pasa a significar más que alcanzarlas. ¿Por qué necesito aprender esto si puedo preguntarle a una inteligencia artificial? Este tipo de pregunta ha acompañado a la educación durante décadas. ¿Por qué aprender una operación si existe una calculadora? ¿Por qué memorizar una información si se puede encontrar […]

Gestión Tributaria

15 de octubre de 2026

Impuesto rosa y el género del precio

Cómo los diferentes tratamientos de marketing para hombres y mujeres son incorporados por la tributación del consumo Imagine un estante en el que dos maquinillas de afeitar de la misma marca y destinadas al mismo propósito están expuestas una al lado de la otra: una tiene un empaque oscuro y promete fuerza, precisión y eficiencia; la otra viene en tonos de rosa o […]

Salud

13 de octubre de 2026

El eslabón perdido de la transformación de la salud

¿Por qué la innovación no es suficiente para generar cambios en las organizaciones y en los sistemas de salud La transformación digital se ha consolidado como una prioridad estratégica para los sistemas de salud en todo el mundo. Historias clínicas electrónicas, inteligencia artificial, telemedicina, monitorización remota y análisis de datos han pasado a formar parte de la agenda estratégica de gobiernos y organizaciones sanitarias. Paradójicamente, […]

Marketing

09 de octubre de 2026

Bitcoin o mascotas: lo que la Inteligencia Artificial no vería

Un caso real de consumer intelligence muestra lo que queda fuera del briefing Hace algunos años, una aseguradora estadounidense contrató a una empresa especializada en consumer intelligence para responder a tres preguntas: La aseguradora también evaluaba lanzar seguros pagados en bitcoin. En ese momento, el proceso de trabajo de la consultoría funcionaba así: el analista creaba una query […]

Gestión Escolar

06 de octubre de 2026

La escuela no es un casino: cuando las figuritas se convierten en moneda en el patio

¿Por qué, para determinados estudiantes, la escuela logra ofrecer tan pocas experiencias de éxito? La Copa del Mundo ha terminado. Brasil ha quedado fuera de la competición, llegaron las vacaciones escolares, se disputó la final y el calendario del fútbol siguió adelante. Sería razonable imaginar que, con el fin del torneo y el regreso a clases, también comenzara […]

Transición Energética

30 de septiembre de 2026

Energías renovables: la ventaja brasileña

Brasil necesita invertir en la capacidad de transformar recursos naturales en innovación, productividad y desarrollo Hablar de energía es hablar de desarrollo. Detrás de la industria, el transporte, los servicios, las ciudades y, cada vez más, la inteligencia artificial, existe una infraestructura energética que sustenta la economía. Comprender la matriz energética de un país es comprender […]

Análisis De Datos

30 de septiembre de 2026

¿Cuando cambian los datos, ha cambiado la realidad?

Análisis de casi 20 millones de vínculos-año docentes entre 2020 y 2025 muestra cómo cambios en la composición de la población y en la producción de los registros pueden alterar la interpretación de series históricas Entre 2020 y 2025, el número de vínculos formales de trabajo docente identificados en la RAIS (Relación Anual de Información Social), del Ministerio de Trabajo, […]

Inteligencia Artificial

28 de septiembre de 2026

Inteligencia artificial y las tendencias

¿Por qué tanta gente se une a los juegos con ChatGPT? Nunca fui una persona de tendencias. Sigo sin serlo. Algunas pasan por mi línea de tiempo, las veo, me parecen interesantes pero no al punto de experimentar. Fue así, inclusive, con algunas ondas recientes de imágenes hechas por inteligencia artificial, como la tendencia de los años 80, aquella que nos […]

Gestión Tributaria

01 de septiembre de 2026

Reforma tributaria y planificación patrimonial en el campo

La eficiencia para gestionar los impuestos facilita la gobernanza y permite organizar la sucesión familiar. La organización patrimonial rural se ha convertido en una medida estratégica ante la reforma tributaria en Brasil, que entró en vigor este año. La planificación de las actividades y de la gestión del patrimonio rural, a través de herramientas como la transición de la Persona Física a […]

Renata de Gaspari Valdejão Almeida

Inteligencia Artificial

05 de agosto de 2026

Dentro de la empresa y fuera del radar: los riesgos de la IA Sombra

Según Microsoft, el 75% de los profesionales ya utilizan inteligencia artificial en el trabajo sin la aprobación de la empresa El uso de la inteligencia artificial generativa ya forma parte de la rutina corporativa. Herramientas como ChatGPT, Copilot y otras plataformas ayudan a los profesionales a producir textos, analizar datos, crear presentaciones y acelerar tareas en prácticamente todos los sectores. Pero este avance […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julio de 2026

El futuro como competencia

El interés académico refuerza la proyección de escenarios como herramienta esencial para la toma de decisiones. Mientras algunas empresas aún intentan acertar el próximo paso, otras ya trabajan con múltiples futuros posibles — y se preparan para todos ellos. Pero, ¿qué significa “pensar el futuro”? ¿Es tendencia, es estrategia o una nueva competencia que […]

Renata de Gaspari Valdejão Almeida

Innovación

Tecnología

21 de mayo de 2026

Corredor Agro SP: innovación, articulación institucional y futuro

Pecege comanda a operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educación

27 de abril de 2026

Cómo transformar un TCC en negocio

Nueva gestión del Parque Tecnológico de Piracicaba ofrece consultoría a egresados de MBAs El nuevo director de proyectos del Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, suele decir que una de las mayores recompensas que ha tenido en la vida ha sido ver a sus orientandos del MBA USP/Esalq estructurar empresas a partir de sus trabajos de conclusión de […]

Tecnología

20 de marzo de 2026

El repertorio humano en la era de la IA

El pensamiento crítico y la creatividad son insustituibles en el trabajo del profesional de marketing La Inteligencia Artificial (IA) es capaz de hazañas increíbles, pero aún no posee la capacidad de juicio, empatía, intuición y creatividad estratégica necesarias para hacer el trabajo de un buen profesional de marketing. En esta área, es importante saber usar la herramienta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

23 de febrero de 2026

ESG como estrategia de crecimiento en una cooperativa del RS

Santa Clara equilibra responsabilidad social y ambiental con innovación Fundada en 1911 por inmigrantes italianos en Carlos Barbosa, en la sierra gaúcha, la Cooperativa Santa Clara es un ejemplo de que es posible equilibrar el crecimiento económico con la responsabilidad social y ambiental. De una pequeña empresa de producción de quesos, la organización evolucionó a un […]

Renata de Gaspari Valdejão Almeida

Agronegocios

Innovación

22 de enero de 2026

¿Brasil libre de fiebre aftosa: qué cambia para la carne brasileña?

Con un rebaño de más de 200 millones de cabezas de ganado, el país es actualmente el líder en exportaciones Brasil recibió recientemente, por primera vez, la certificación de país libre de fiebre aftosa sin vacunación, otorgada por la Organización Mundial de Sanidad Animal (OMSA). El sello fortalece la posición del país como proveedor de carne confiable para el […]

Renata de Gaspari Valdejão Almeida

Innovación

09 de diciembre de 2025

Innovación: el nuevo ciclo del Parque Tecnológico de Piracicaba

El Instituto Pecege asume la gestión apostando en la creación de nuevos negocios A partir de 2026, el Instituto Pecege asumirá la gestión del Parque Tecnológico de Piracicaba (PTP). Entre sus responsabilidades estarán la administración, operación, mantenimiento y expansión del parque, además del fomento de actividades de innovación, emprendimiento y ciencia y tecnología. La elección fue realizada […]

Renata de Gaspari Valdejão Almeida

06 de julio de 2026

Arquitectura a Gran Escala: Gestión de Cambios DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumen elaborado por la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege orientada a la síntesis y redacción. La arquitectura y el urbanismo se configuran como bases imprescindibles en un espacio urbano cada vez más complejo y desafiante, donde la intrínseca conexión entre cuestiones sociales, ambientales y tecnológicas […]