EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-ND 4.0

Predicción de escenarios macroeconómicos: Una revisión sistemática

Juan Alberto Castillo Cruz

Revista de Investigación Académica Sin Frontera División de Ciencias Económicas y Sociales · 21.12.2025 · (44)

DOI: 10.46589/riasf.vi44.803 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Revista de Investigación Académica Sin Frontera División de Ciencias Económicas y Sociales, online erschienen am 21.12.2025. Verfasst von Juan Alberto Castillo Cruz. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-ND 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

La predicción macroeconómica es una herramienta crítica para la formulación de políticas públicas, la toma de decisiones empresariales y la gestión de riesgos financieros en entornos de creciente incertidumbre. Este artículo presenta una revisión sistemática de los avances recientes en este campo, enfocados en el uso de técnicas de procesamiento inteligente de señales multivariadas y modelos de aprendizaje profundo. Se analizan las limitaciones de los modelos tradicionales, como el Autoregressive Integrated Moving Average (ARIMA) y el Vector Autoregression (VAR), cuya capacidad de modelar relaciones lineales resulta insuficiente frente a la complejidad dinámica de los sistemas económicos actuales. En contraposición, se destaca el potencial de arquitecturas profundas como las Convolutional Neural Networks (CNN) y las Long Short-Term Memory (LSTM) para capturar patrones no lineales y multivariados con mayor precisión. Además, se revisan técnicas de transformación visual de series temporales, como los Gramian Angular Fields (GAF) y los Recurrence Plots (RP), que permiten explotar las capacidades de las redes neuronales en el reconocimiento de patrones complejos. Esta investigación se justifica por la necesidad urgente de modelos más robustos y adaptativos que integren datos de alta dimensión y generen predicciones más confiables. Se concluye que la combinación de representaciones visuales con modelos de deep learning constituye un enfoque prometedor para mejorar la precisión en la predicción económica, aunque persisten desafíos metodológicos y de aplicación en escenarios reales.

Zitieren

APA

Cruz, J. A. C. (2025). Predicción de escenarios macroeconómicos: Una revisión sistemática. Revista de Investigación Académica Sin Frontera División de Ciencias Económicas y Sociales. https://doi.org/10.46589/riasf.vi44.803

Vancouver

Cruz JAC. Predicción de escenarios macroeconómicos: Una revisión sistemática. Revista de Investigación Académica Sin Frontera División de Ciencias Económicas y Sociales. 2025. doi:10.46589/riasf.vi44.803

BibTeX
@article{Cruz2025,
  author = {Cruz, Juan Alberto Castillo},
  title = {Predicción de escenarios macroeconómicos: Una revisión sistemática},
  journal = {Revista de Investigación Académica Sin Frontera División de Ciencias Económicas y Sociales},
  year = {2025},
  number = {44},
  doi = {10.46589/riasf.vi44.803}
}
Kostenlos starten →