Modelos ARIMA y Regresión Multivariable para la predicción de la tasa representativa del mercado en Colombia
Palabras clave:
Tasa representativa del mercado, Modelos ARIMA, regresión multivariable, modelo ensamblado, aprendizaje automatizado
Resumen
La volatilidad de las tasas de cambio es un desafío central para las economías emergentes, particularmente para Colombia, donde la Tasa Representativa del Mercado desempeña un papel crucial en el comercio internacional y las decisiones financieras y macroeconómicas. Este artículo explora el uso de modelos ARIMA y regresión multivariable para la predicción de la Tasa Representativa del Mercado, integrando variables macroeconómicas clave como los precios de exportaciones principales y otros indicadores económicos. Además, se analiza un modelo ensamblado basado en técnicas de stacking, que combina las fortalezas de los enfoques mencionados, lo cual maximizó la capacidad predictiva al integrar tanto los patrones temporales como las influencias exógenas, reforzando la aplicabilidad de los modelos híbridos en contextos económicos volátiles. En conclusión, a través de este modelo, se logran predicciones de alta precisión, contribuyendo al diseño de herramientas accesibles para empresas y economías en desarrollo.
Descargas
La descarga de datos todavía no está disponible.
Citas
Ahmed, S., Nielsen, I. E., Tripathi, A., Siddiqui, S., Ramachandran, R. P., y Rasool, G. (2023). Transformers in time-series analysis: A tutorial.
arXiv:2205.01138. https://doi.org/10.1007/s00034-023-02454-8
Alarcón-Rodríguez, N. C., Castro-Pinzón, G. H., y Nauzan-Ceballos, V. H. (2024). Impacto de la tasa representativa del mercado en el IPC en Colombia. Reflexiones Contables, 7(2), 36-52. https://doi.org/10.22463/26655543.4669
Ayitey, M., Appiahene, P., Appiah, O., y Ninfaakang, C. N. (2023). Forex market forecasting using machine learning: Systematic literature review and meta-analysis. Journal of Big Data, 10, 9. https://doi.org/10.1186/s40537-022-00676-2
Bahdanau, D., Cho, K., y Bengio, Y. (2015). Neural machine translation by jointly learning to align and translate. Proceedings of the International Conference on Learning Representations, arXiv:1409.0473. https://doi.org/10.48550/arXiv.1409.0473
Blagov, B. (2019). Exchange rate uncertainty and import prices in the euro area. Review of International Economics, 27(5), 1537-1572. https://doi.org/10.1111/ROIE.12434
Dhasmana, A. (2013). Real effective exchange rate and manufacturing sector performance: Evidence from Indian firms. IIM Bangalore Research Paper No. 412. https://doi.org/10.2139/SSRN.2284077
Giramkar, N. S. (2020). Multivariable Regression Analysis for prediction of factors affecting car mileage. Journal of Emerging Technologies and Innovative Research, 7(9), 1258-1263. https://www.jetir.org/view?paper=JETIR2009171
Lira, M. V., y Senhorinho, E. W. (2022). Aplicação do modelo ARIMA para previsão de vendas da rede de farmácias Rossmann. In T. Nepomuceno, R. Lima y N. Rodrigues (Eds.), Avanços na Análise de Séries Temporais Livro de Aplicações (Vol. 1, pp. 144-162). Editora Educacionista. https://doi.org/10.31235/osf.io/v4wce
Maknickiene, N., Stankeviciene, J., y Maknickas, A. (2020). Comparison of forex market forecasting tools based on evolino ensemble and technical analysis indicators. Romanian Journal of Economic Forecasting, XXIII(3), 134-148. https://ipe.ro/new/rjef/rjef3_20/rjef3_2020p134-148.pdf
Meneses, M., Toro, J. S., y Riascos, J. C. (2017). El comportamiento del precio del petróleo y la volatilidad en la tasa de cambio: Análisis de impacto de las variaciones del WTI y de la tasa de interés referencia sobre la tasa de cambio nominal en Colombia, periodo 2013-2015. Tendencias, 18(1), 13-40. https://doi.org/10.22267/rtend.171801.62
Mignon, V. (2024). Principles of Econometrics: Theory and applications. Springer International Publishing. https://doi.org/10.1007/978-3-031-52535-3
Molina, R., y Peña, D. M. (2021). Forecasting the future trend of the EUR/USD exchange rate, using advanced technical analysis tools. Centro Sur, 6(2), 74-97. https://doi.org/10.37955/cs.v6i2.241
Richardson, A. M., Joshy, G., y D’Este, C. A. (2018). Understanding statistical principles in linear and logistic regression. The Medical Journal of Australia, 208(8), 332-334. https://doi.org/10.5694/MJA17.00222
Sharma, A. (2023). Exchange rate shocks, multinational firms and access to finance. Review of International Economics, 32(3), 907-933. https://doi.org/10.1111/roie.12708
Sprockel, J. J., Ramírez, A., y Jiménez-Canizales, C. E. (2023). Editorial. Inteligencia artificial y aprendizaje automatizado, ¿oportunidad o amenaza? Revista Colombiana de Endocrinología, Diabetes & Metabolismo, 10(2), 2-5. https://doi.org/10.53853/encr.10.2.797
Superintendencia Financiera de Colombia – SFC (2015). Circular Reglamentaria Externa DODM-146. 18 de diciembre de 2015. https://www.banrep.gov.co/sites/default/files/reglamentacion/archivos/Boletin_64_18_dic_2015_%20DODM_146.pdf
Yu, L., Wang, S., y Lai, K. K. (2005). A novel nonlinear ensemble forecasting model incorporating GLAR and ANN for foreign exchange rates. Computers & Operations Research, 32(10), 2523-2541. https://doi.org/10.1016/j.cor.2004.06.024
arXiv:2205.01138. https://doi.org/10.1007/s00034-023-02454-8
Alarcón-Rodríguez, N. C., Castro-Pinzón, G. H., y Nauzan-Ceballos, V. H. (2024). Impacto de la tasa representativa del mercado en el IPC en Colombia. Reflexiones Contables, 7(2), 36-52. https://doi.org/10.22463/26655543.4669
Ayitey, M., Appiahene, P., Appiah, O., y Ninfaakang, C. N. (2023). Forex market forecasting using machine learning: Systematic literature review and meta-analysis. Journal of Big Data, 10, 9. https://doi.org/10.1186/s40537-022-00676-2
Bahdanau, D., Cho, K., y Bengio, Y. (2015). Neural machine translation by jointly learning to align and translate. Proceedings of the International Conference on Learning Representations, arXiv:1409.0473. https://doi.org/10.48550/arXiv.1409.0473
Blagov, B. (2019). Exchange rate uncertainty and import prices in the euro area. Review of International Economics, 27(5), 1537-1572. https://doi.org/10.1111/ROIE.12434
Dhasmana, A. (2013). Real effective exchange rate and manufacturing sector performance: Evidence from Indian firms. IIM Bangalore Research Paper No. 412. https://doi.org/10.2139/SSRN.2284077
Giramkar, N. S. (2020). Multivariable Regression Analysis for prediction of factors affecting car mileage. Journal of Emerging Technologies and Innovative Research, 7(9), 1258-1263. https://www.jetir.org/view?paper=JETIR2009171
Lira, M. V., y Senhorinho, E. W. (2022). Aplicação do modelo ARIMA para previsão de vendas da rede de farmácias Rossmann. In T. Nepomuceno, R. Lima y N. Rodrigues (Eds.), Avanços na Análise de Séries Temporais Livro de Aplicações (Vol. 1, pp. 144-162). Editora Educacionista. https://doi.org/10.31235/osf.io/v4wce
Maknickiene, N., Stankeviciene, J., y Maknickas, A. (2020). Comparison of forex market forecasting tools based on evolino ensemble and technical analysis indicators. Romanian Journal of Economic Forecasting, XXIII(3), 134-148. https://ipe.ro/new/rjef/rjef3_20/rjef3_2020p134-148.pdf
Meneses, M., Toro, J. S., y Riascos, J. C. (2017). El comportamiento del precio del petróleo y la volatilidad en la tasa de cambio: Análisis de impacto de las variaciones del WTI y de la tasa de interés referencia sobre la tasa de cambio nominal en Colombia, periodo 2013-2015. Tendencias, 18(1), 13-40. https://doi.org/10.22267/rtend.171801.62
Mignon, V. (2024). Principles of Econometrics: Theory and applications. Springer International Publishing. https://doi.org/10.1007/978-3-031-52535-3
Molina, R., y Peña, D. M. (2021). Forecasting the future trend of the EUR/USD exchange rate, using advanced technical analysis tools. Centro Sur, 6(2), 74-97. https://doi.org/10.37955/cs.v6i2.241
Richardson, A. M., Joshy, G., y D’Este, C. A. (2018). Understanding statistical principles in linear and logistic regression. The Medical Journal of Australia, 208(8), 332-334. https://doi.org/10.5694/MJA17.00222
Sharma, A. (2023). Exchange rate shocks, multinational firms and access to finance. Review of International Economics, 32(3), 907-933. https://doi.org/10.1111/roie.12708
Sprockel, J. J., Ramírez, A., y Jiménez-Canizales, C. E. (2023). Editorial. Inteligencia artificial y aprendizaje automatizado, ¿oportunidad o amenaza? Revista Colombiana de Endocrinología, Diabetes & Metabolismo, 10(2), 2-5. https://doi.org/10.53853/encr.10.2.797
Superintendencia Financiera de Colombia – SFC (2015). Circular Reglamentaria Externa DODM-146. 18 de diciembre de 2015. https://www.banrep.gov.co/sites/default/files/reglamentacion/archivos/Boletin_64_18_dic_2015_%20DODM_146.pdf
Yu, L., Wang, S., y Lai, K. K. (2005). A novel nonlinear ensemble forecasting model incorporating GLAR and ANN for foreign exchange rates. Computers & Operations Research, 32(10), 2523-2541. https://doi.org/10.1016/j.cor.2004.06.024
Publicado
2025-12-09
Cómo citar
Meilij Ezeiza, A. E., Rico Buitrago, J. D., González Parias, C. H., & Galviz Cataño, D. F. (2025). Modelos ARIMA y Regresión Multivariable para la predicción de la tasa representativa del mercado en Colombia. Revista De Ciencias Sociales, 31(4), 93-105. https://doi.org/10.31876/rcs.v31i4.44841
Número
Sección
Artículos
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial-CompartirIgual 4.0.
1.jpg)
1.jpg)
