Curso CEMLA: Aprendizaje de Máquina Moderno para el Pronóstico Macroeconómico

El curso Aprendizaje de Máquina Moderno para el Pronóstico Macroeconómico, impartido por Pablo A. Guerrón-Quintana (Boston College) en formato de videoconferencia del 30 de marzo al 1 de abril de 2026, conectó los métodos clásicos de pronóstico econométrico con los enfoques modernos de aprendizaje de máquina (ML), con énfasis en aplicaciones prácticas para la banca central. Como punto de partida, el curso mostró cómo los modelos fundacionales y de aprendizaje de máquina automatizado han revolucionado los flujos de trabajo de pronóstico: modelos como Chronos-2 permiten realizar pronósticos zero-shot sobre nuevos conjuntos de datos sin necesidad de entrenamiento, mientras que TabPFN alcanza un desempeño de frontera en conjuntos de datos tabulares pequeños en cuestión de segundos. Estos avances permiten a los bancos centrales mejorar la precisión de sus pronósticos, reducir los tiempos de modelización y cuantificar mejor la incertidumbre para la toma de decisiones de política económica.

A lo largo de esta capacitación intensiva, el curso puso énfasis en la comprensión de los principales trade-offs entre los métodos clásicos y los de aprendizaje de máquina, en la implementación práctica con herramientas de última generación (AutoGluon, Chronos-2 y TabPFN) y en las consideraciones necesarias para su despliegue en entornos de producción.