Econ.

Paulo Roberto Chahuara Vargas LAMBDA

CRITERIOS PARA EVALUAR PREDICCIONES

Si queremos comparar la capacidad de predicción de una variable dependiente entre modelos

alternativos se utilizan una serie de criterios que se basan en medidas de la varianza del error de
predicción. Así, dado un horizonte de predicción h, se tiene:

1) Raíz del error cuadrático promedio (ECM): Representa el error promedio para un horizonte
de predicción.

𝑇+𝐻
1
𝑅𝐸𝐶𝑀 = √ ∑ 𝑒̂𝑡2
𝐻
𝑡=𝑇+1

2) Error absoluto medio: Permite hallar el error de predicción promedio a través del valor
promedio para un horizonte de predicción dado (de H períodos) a partir de los valores
absolutos de los errores.

∑𝑇+𝐻
𝑡=𝑇+1|𝑒
̂𝑡 |
𝐸𝑀𝐴 =
𝐻

3) Media del valor absoluto del error porcentual: Los dos anteriores indicadores están
influenciados por las unidades de medida de las variables dependientes de los distintos
modelos que se evalúan. Para corregir este defecto se divide el promedio de los valores
absolutos de los errores de predicción para un horizonte de predicción dado con el valor
observado de la variable dependiente en cada periodo.
𝑇+𝐻
1 |𝑒̂𝑡 |
𝐸𝑃𝑀𝐴 = ∑
𝐻 𝑌𝑡
𝑡=𝑇+1

4) Coeficiente de desigualdad de Theil: La idea es acotar el valor del indicador de bondad de

predicción de tal manera que esté en el intervalo de 0 a 1.

√ 1 ∑𝑇+𝐻 (𝑌 − 𝑌̂𝑡 )2
𝐻 𝑡=𝑇+1 𝑡
𝑈=
√ 1 ∑𝑇+𝐻 1
(𝑌 )2 + √ ∑𝑇+𝐻 (𝑌̂ )2
𝐻 𝑡=𝑇+1 𝑡 𝐻 𝑡=𝑇+1 𝑡

 Cuando el numerador tiende a cero, U tiende a cero y ello implica que los valores
predichos son muy parecidos a los valores observados, por lo que el modelo puede
ser utilizado para predecir dado que sus pronósticos serán fiables.

 Cuando U tiende a uno, esto significa que el modelo no sirve para predecir, los
pronósticos no son reales. Los valores simulados serían, por ejemplo, parecidos a
cero, mientras que los valores actuales no lo son, ya que 𝑌𝑡 ′𝑌̂𝑡 → 0 (son
independientes entre sí).

1
Econ. Paulo Roberto Chahuara Vargas LAMBDA

El Coeficiente de desigualdad de Theil, se puede descomponer en los siguientes factores

 Sesgo: analiza si es que las medias de los valores predichos y valores observados son
muy distintas. Mientras menor sea este indicador, el modelo tendrá mejor predicción.

(𝑌̅𝑡 − 𝑌̅
̂𝑡 )2

√ 1 ∑𝑇+𝐻 1
(𝑌 )2 + √ ∑𝑇+𝐻 (𝑌̂ )2
𝐻 𝑡=𝑇+1 𝑡 𝐻 𝑡=𝑇+1 𝑡

 Varianza: indica la habilidad del pronóstico para replicar la variabilidad de la variable real
observada. Si esta proporción es grande significa que el modelo posee menor capacidad
para replicar el comportamiento de la serie. Así, mientras menor sea este indicador, el
modelo tendrá mejor predicción.

(𝑆𝑌 − 𝑆𝑌̂ )2

√ 1 ∑𝑇+𝐻 1
(𝑌 )2 + √ ∑𝑇+𝐻 (𝑌̂ )2
𝐻 𝑡=𝑇+1 𝑡 𝐻 𝑡=𝑇+1 𝑡

 Covarianza: Esta medida analiza la correlación que existe entre los valores predichos y
los valores observados. Mientras mayor sea este indicador, el modelo tendrá mejor
predicción.

2(1 − 𝑟𝑌𝑌̂ )𝑆𝑌 𝑆𝑌̂

√ 1 ∑𝑇+𝐻 1
(𝑌 )2 + √ ∑𝑇+𝐻 (𝑌̂ )2
𝐻 𝑡=𝑇+1 𝑡 𝐻 𝑡=𝑇+1 𝑡

donde 𝑆 y 𝑟 representan la desviación estándar y la correlación, respectivamente.