Resumen

En medio de las incertidumbres macroeconómicas, es crucial para la toma de decisiones y la planificación contar con pronósticos precisos a largo plazo de los tipos de cambio. Para medir la incertidumbre asociada con el tipo de cambio y obtener información adicional sobre el tipo de cambio futuro, se construye un modelo híbrido basado en regresión cuantílica forestal y núcleo gaussiano (GQRF). Se utiliza un conjunto de datos trimestrales del tipo de cambio KSh/USD y variables macroeconómicas desde 2007 hasta 2016. El horizonte de pronóstico abarca desde 2013 hasta 2016. Con una probabilidad de cobertura del intervalo de predicción y un ancho promedio del intervalo de predicción del 95% y 29.6493%, el modelo construido tiene una probabilidad de cobertura muy alta. El método para determinar los pronósticos probabilísticos es muy significativo para lograr pronósticos con una cobertura correcta. El modelo de pronóstico de densidad de probabilidad para el tipo de

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Incertidumbres; Pronóstico de tipo de cambio; GQRF; Pronósticos probabilísticos; Pronóstico de densidad de probabilidad; Técnicas de aprendizaje automático
• Keywords:Uncertainties; Exchange rate forecasting; GQRF; Probabilistic forecasts; Probability density forecasting; Machine learning techniques