<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Modelización del crecimiento empresarial ecuatoriano mediante ecuaciones diferenciales con retardo y algoritmos de machine learning

Cargando...
Miniatura

Fecha

Título de la revista

ISSN de la revista

Título del volumen

Editor

PUCE - Quito

DOI

Resumen

La presente investigación tiene como objetivo modelar y predecir el comportamiento del crecimiento empresarial en Ecuador mediante la aplicación y comparación de modelos de aprendizaje automático y ecuaciones diferenciales con retardo. El estudio considera como variables objetivo las tasas de crecimiento de sociedades y personas naturales y el total de ventas y exportaciones. La información proviene de registros del Servicio de Rentas Internas y las variables macroeconómicas y financieras provienen de fuentes oficiales. Para el proceso de análisis se empleó la metodología CRISP-DM. Para la predicción se implementaron los algoritmos XGBoost y Random Forest, tanto en configuraciones univariables como incorporando variables exógenas, además de un modelo basado en Ecuaciones Diferenciales con Retardo. Los modelos fueron evaluados mediante validación temporal Walk-Forward, respetando el orden cronológico de las observaciones y evitando fuga de información. Como métricas de desempeño se utilizaron el error cuadrático medio en su raíz (RMSE), el error absoluto medio (MAE) y el error porcentual absoluto medio (MAPE). Los resultados muestran que el desempeño de los modelos depende de la variable analizada. Para la tasa de crecimiento de sociedades, XGBoost con variables exógenas presentó el mejor rendimiento global, con un RMSE de 0,134781, MAE de 0, 097265 y un MAPE de 16,40 %, aunque el modelo DDE obtuvo un MAE ligeramente inferior, evidenciando un desempeño competitivo. En el caso del total de ventas y exportaciones, el modelo DDE presentó los mejores resultados, alcanzando un RMSE de 2,790778_109, un MAE de 1,752034_109 y un MAPE de 6,96 %, superando a XGBoost y Random Forest. Asimismo, el análisis de importancia de variables mostró que los rezagos de las propias variables objetivo constituyen una fuente relevante de información predictiva, mientras que las variables macroeconómicas aportan información adicional en determinadas configuraciones.

Descripción

Citación

Aprobación

Revisión

Complementado por

Referenciado por