Predicción de la inflación en Colombia mediante un análisis comparativo de los modelos ARIMA y Lag-Llama

Abstract

La inflación constituye uno de los fenómenos macroeconómicos más relevantes debido a su impacto en la estabilidad económica, el poder adquisitivo de los hogares y la toma de decisiones. Su predicción ha sido objeto de estudio durante décadas mediante modelos estadísticos tradicionales y, más recientemente, a través de técnicas de aprendizaje profundo orientadas a capturar dinámicas no lineales en escenarios de alta volatilidad. Este estudio realiza un análisis comparativo de ambos enfoques tomando la inflación interanual en Colombia durante el período 2004–2024. Se desarrolló una revisión de la literatura y un análisis bibliométrico para contextualizar el uso de modelos clásicos y emergentes en el pronóstico económico, seguido de la implementación de los modelos ARIMA y Lag-Llama en el lenguaje de programación Python bajodos esquemas de predicción: Multi-step (12 meses simultáneos) y Rolling-step (un mes con actualización continua). El desempeño se evaluó mediante métricas como MAE, RMSE y MAPE. Los resultados muestran que ARIMA alcanzó un mejor desempeño en ambos esquemas, destacándose en el pronóstico rolling con un MAPE de 2,61 %, mientras que Lag-Llama presentó errores más altos, lo cual sugiere la necesidad de procesos de fine-tuning para mejorar su precisión en el contexto colombiano. En conclusión, los hallazgos confirman que ARIMA se consolida como un modelo confiable y aplicable en el corto plazo, mientras que Lag-Llama representa una alternativa prometedora a futuro, aportando además un antecedente novedoso en la aplicación de modelos de inteligencia artificial al análisis inflacionario en Colombia.