Niveles de efectividad del modelo de redes neuronales en el análisis del comportamiento y predicción del PBI de Perú: 1980 – 2021

Abstract

La investigación se centra en evaluar la efectividad del modelo de redes neuronales en el análisis del comportamiento y predicción del Producto Bruto Interno (PBI) de Perú desde 1980 hasta 2021. Se fundamenta en la capacidad de las redes neuronales artificiales para aprender automáticamente y capturar relaciones complejas entre variables, lo que las hace útiles para la predicción económica. El problema de investigación está centrado en el análisis del comportamiento y predicción del PBI de Perú, el cual se desarrolla bajo métodos tradicionalmente aceptados por las ciencias económicas; sin embargo, con el ingreso a la era del conocimiento y de la inteligencia artificial se presentan nuevas alternativas para determinar con mayor rigurosidad científica el comportamiento histórico y la estimación futura de esta variable macroeconómica. Los objetivos están relacionados con la estimación del coeficiente de determinación (R^2) para evaluar la efectividad del modelo de redes neuronales para el periodo de estudio. En la misma línea, se plantea las hipótesis que sugieren altos niveles de efectividad en el análisis del comportamiento y predicción del PBI de Perú. Los hallazgos conseguidos sugieren que el modelo de redes neuronales es altamente eficiente para los fines que buscamos en la investigación, lo que se corrobora con un R^2 de 0.9879. Así mismo, se observa alta eficiencia en el análisis del comportamiento del PBI hasta 2010, con un R^2 de 0.896, y una eficiencia ligeramente menor en la predicción del PBI de 2011 a 2021, con un R^2 de 0.7662.