Pronóstico del tipo de cambio empleando algoritmos de aprendizaje profundo: el caso del dólar de Estados Unidos (USD) respecto al peso mexicano (MXN)

Resumen

Se presenta un análisis del pronóstico el tipo de cambio peso mexicano/dólar estadounidense (MXN/USD) utilizando datos diarios. Desarrollamos tres modelos para el pronóstico: 1) Redes Neuronales Recurrentes con Memoria a Largo Corto Plazo (LSTM), correspondiente a una especificación de aprendizaje profundo, 2) un algoritmo Random Forest (RF) (aprendizaje automático), y 3) un Modelo Autoregresivo de media móvil integrada (ARIMA) como referencia. La principal contribución de este trabajo es mostrar que una Red Neuronal Recurrente del tipo LSTM predice con un mínimo margen de error el tipo de cambio MXN/USD incluso bajo alta volatilidad (incluyendo efectos del COVID-19). Estos resultados permiten a los agentes económicos, que quieren arbitrar y cubrir, tener un método de selección más robusto y con mayor poder predictivo.