Predicción de la liquidación de divisas del sector agroexportador utilizando modelos ARIMA y redes neuronales recurrentes LSTM

Abstract

La Argentina es un país que concentra principalmente su ingreso de divisas en exportaciones del sector primario, siendo el sector agropecuario la principal fuente de generación de divisas. Anticipar la magnitud de las liquidaciones del sector agroexportador permite al gobierno y a las empresas reducir la incertidumbre a la hora de realizar una planificación financiera. Esta tesis propone predecir la liquidación de divisas del sector agroexportador mediante modelos ARIMA, SARIMA y modelos de redes neuronales recurrentes “Long Short-Term Memory” (LSTM). La serie utilizada posee valores entre junio de 2002 y marzo de 2022. Los datos de entrenamiento comprenden al periodo entre junio de 2002 y abril de 2017. Se realizaron un total de 47 proyecciones con horizontes de 1 a 12 meses. Los errores en la predicción de los modelos fueron comparados con las métricas MASE y MAPE. También se tomó el test modificado de Diebol-Mariano sobre los errores de los modelos, dando como resultado al mejor modelo en capacidad predictiva al modelo SARIMA, que superó a los modelos ARIMA y el de red neuronal LSTM en precisión.