Comparación del desempeño predictivo de modelos ARIMA, MARS e híbridos ARIMA-MARS para el pronóstico de la inflación argentina : evidencia bajo distintos esquemas de validación

Abstract

Este trabajo analiza la capacidad predictiva de distintos enfoques econométricos para poder estimar la inflación mensual en Argentina, en un contexto caracterizado por alta volatilidad y posibles cambios de régimen. El objetivo central consiste en comparar el desempeño predictivo y la estabilidad temporal de los modelos autoregressive integrated moving average (ARIMA), multivariate adaptive regression splines (MARS) e híbridos ARIMA-MARS para los pronósticos de la inflación mensual argentina bajo distintos regímenes inflacionarios y esquemas de validación fuera de muestra, utilizando como criterio principal el error cuadrático medio (RMSE). Metodológicamente, se comparan tres especificaciones, un modelo ARIMA como benchmark lineal, un modelo MARS como alternativa no paramétrica con capacidad de capturar relaciones complejas y un modelo híbrido ARIMA–MARS. La evaluación se realiza mediante una estrategia de validación fuera de muestra, combinando partición estática y una validación dinámica, junto con métricas complementarias como error absoluto medio (MAE) y error porcentual absoluto medio (MAPE). Los resultados evidencian que el desempeño relativo depende críticamente del esquema de validación. Bajo un hold-out estático en el período de desinflación reciente, los modelos MARS superan al ARIMA con significancia estadística (test de Diebold-Mariano con corrección de Harvey-Leybourne-Newbold). Bajo validación dinámica que abarca la aceleración inflacionaria de 2022-2023, el pico de fines de 2023 y la desaceleración posterior, la jerarquía se invierte: el ARIMA exhibe mayor estabilidad temporal, mientras que los modelos MARS deterioran su precisión al extrapolar fuera del dominio histórico de las explicativas. La evidencia sugiere que, en una economía con quiebres estructurales recurrentes como la argentina, no existe un modelo uniformemente superior sino un trade-off entre flexibilidad, donde MARS_CV es preferible para pronóstico puntual en regímenes estables, y robustez temporal, donde ARIMA resulta más adecuado para monitoreo en entornos de cambio de régimen.