Descripción

Este trabajo explora los desafíos de modelar series de tiempo de alta frecuencia, de grandes datos no financieros. Centrándose en datos diarios, horarios e incluso a nivel de minutos, el estudio investiga la presencia de diversas estacionalidades (diarias, semanales, mensuales y anuales) y cómo estos ciclos pueden interrelacionarse entre sí y ser influenciados por patrones climáticos y variaciones del calendario. Mediante el análisis de estas características cíclicas y las respuestas de los datos a factores externos, el trabajo explora el potencial de los modelos de cambio de régimen, dinámicos y no lineales para capturar estas complejidades. Además, propone el uso de Autometrics -un algoritmo automatizado para identificar modelos parsimoniosos- para dar cuenta conjuntamente de todas las peculiaridades de los datos. Los modelos resultantes, más allá del análisis estructural y la predicción, son útiles para construir indicadores líderes macroeconómicos cuantitativos en tiempo real, planificación de la demanda y estrategias de precios dinámicos en diversos sectores sensibles a los factores identificados en el análisis (por ejemplo, de servicios públicos, tiendas minoristas, tráfico o indicadores del mercado laboral). El trabajo incluye una aplicación a la serie diaria de solicitudes de cesantía en Chile.