Browsing by Subject "Machine learning"
Now showing 1 - 9 of 9
Results Per Page
Sort Options
Item Open Access
Whose balance sheet is this? : neural networks for banks' pattern recognition(Banco de la República, 2016-09-07) León-Rincón, Carlos Eduardo; Moreno-Gutiérrez, José Fernando; Cely-Fernández, Jorge HumbertoDocumentos de Trabajo. 2016-09-07Borradores de Economía; No. 959Item Open AccessClustering and forecasting inflation expectations using the World Economic Survey : the case of the 2014 oil price shock on inflation targeting countries(Banco de la República, 2017-05-04) Zárate-Solano, Héctor Manuel; Zapata-Sanabria, Daniel R.Documentos de Trabajo. 2017-05-04Borradores de Economía; No. 993Item Open AccessBanks in Colombia : How homogeneous are they?(Banco de la República, 2017-10-13) León-Rincón, Carlos EduardoDocumentos de trabajo. 2017-10-13Borradores de Economía; No. 1022Item Open AccessNowcasting economic activity with electronic payments data: A predictive modeling approach(Banco de la República, 2018-02-12) León-Rincón, Carlos Eduardo; Ortega-Castro, Fabio GonzaloDocumentos de Trabajo. 2018-02-12Borradores de Economía; No. 1037Item Open AccessPattern recognition of financial institutions’ payment behavior(Banco de la República) León-Rincón, Carlos Eduardo; Barucca, Paolo; Oscar, Acero; Gerardo, Gage; Ortega-Castro, Fabio GonzaloPresentamos una metodología general de aprendizaje automático supervisado para representar el comportamiento de pago de las instituciones financieras a partir de una base de datos de transacciones del sistema de pagos de alto valor de Colombia. La metodología utiliza una red neuronal artificial para representar los patrones de pago de instituciones financieras a través de 113 características que corresponden a su contribución a los pagos, hábitos de fondeo, momento de pagos, concentración de pagos, centralidad en la red de pagos, e impacto sistémico debido a la imposibilidad de pagar. Esta representación es utilizada para probar la coherencia de los patrones de pago fuera de muestra de una institución financiera con sus patrones de pago característicos. El desempeño del modelo es notable, con un error de clasificación fuera de muestra cercano a tres por ciento. El desempeño es robusto a reducciones en el número de características con base en la selección no supervisada de características. También se comprueba que la centralidad en la red de pagos y el impacto sistémico son características que efectivamente mejoran el desempeño de la metodología. Para las autoridades financieras este es un primer paso hacia la detección automatizada de anomalías en el comportamiento de las instituciones financieras como participantes en sistemas de pago.Documentos de Trabajo. 2020-09-08Borradores de Economía; No.1130Item Open AccessDynamic Balance Sheet Simulation and Credit Default Prediction: A Stress Test Model for Colombian Firms(Banco de la República) Cuesta-Mora, Diego Fernando; Gómez-Molina, Andrés CamiloEste documento presenta un modelo de prueba de estrés empleado por el Departamento de Estabilidad Financiera del Banco de la República para evaluar la vulnerabilidad financiera de las firmas no financieras colombianas. El modelo apoya el Reporte de Estabilidad Financiera semestral del Banco de la República y aporta al diseño de políticas al identificar firmas expuestas al riesgo crediticio en condiciones macroeconómicas adversas. El modelo propuesto integra tres componentes: un marco dinámico de simulación de balances; un conjunto de modelos de machine learning para estimar probabilidades de incumplimiento crediticio; y un módulo final que identifica firmas en riesgo de incumplimiento crediticio. Esta herramienta fortalece la capacidad del Banco de la República para monitorear y evaluar riesgos en el sector empresarial de forma prospectiva. El documento detalla cada componente e ilustra los resultados mediante un escenario de estrés.Documentos de Trabajo. 2025-08-29Borradores de Economía; No.1325Item Open AccessEnhancing inflation nowcasting with online search data: a random forest application for Colombia(Banco de la República ) Roldán-Ferrín, Felipe; Parra-Polanía, Julián AndrésEste artículo evalúa la capacidad predictiva de un modelo de aprendizaje automático basado en Random Forest (RF), combinado con datos de Google Trends (GT), para realizar nowcasting de la inflación mensual en Colombia. El modelo propuesto, denominado RF-GT, se entrena utilizando datos históricos de inflación, indicadores macroeconómicos y actividad de búsqueda en internet. Tras la optimización de los hiperparámetros mediante validación cruzada para series de tiempo, se evalúa su desempeño fuera de muestra durante el periodo 2023–2024. Los resultados se comparan con enfoques tradicionales, incluidos los modelos SARIMA, regresiones Ridge y Lasso, así como con los pronósticos profesionales de la Encuesta Mensual de Expectativas (EME) del Banco de la República. En términos de precisión predictiva, el modelo RF-GT supera de forma consistente a los modelos estadísticos y muestra un desempeño comparable al pronóstico mediano de los analistas, con la ventaja adicional de generar predicciones aproximadamente semana y media antes. Estos hallazgos destacan el valor práctico de integrar fuentes de datos alternativas y técnicas de aprendizaje automático en los sistemas de monitoreo de inflación de economías emergentes.Documentos de Trabajo. 2025-07-02Borradores de Economía; No.1318Item Open AccessBilleteras móviles y otros servicios de pago: brechas regionales y su adopción en Colombia(Banco de la República) Martínez-Ventura, Constanza; Melo-Becerra, Ligia AlbaEste estudio analiza los factores que determinan la adopción de las billeteras móviles y otros servicios de pago en Colombia. Se utilizan modelos de econometría espacial para evaluar la heterogeneidad territorial usando datos departamentales, y técnicas de Machine Learning (Decision Tree y Random Forest) para identificar patrones individuales a partir de microdatos. Los resultados evidencian una alta heterogeneidad territorial, asociada a la cobertura de internet, educación y condiciones económicas. A nivel individual, la adopción depende principalmente del ingreso, la edad, el género y la percepción de los individuos sobre el sistema financiero. Si bien los productos tradicionales como la tarjeta débito presentan barreras de acceso operativas y culturales, las billeteras móviles muestran mayor adopción entre jóvenes con familiaridad digital y disposición al uso de nuevas tecnologías.Documentos de Trabajo. 2025-12-29Borradores de Economía; No.1339Item Open AccessForecasting Disaggregated Food Inflation Baskets in Colombia with an XGBoost Model(Banco de la República) Anzola , César; Poveda-Olarte, Andrea PaolaLos precios de los alimentos han sido uno de los principales factores que contribuyen a la inflación en Colombia. Estos son particularmente sensibles a factores externos como choques climáticos, interrupciones en las cadenas globales de valor y choques en los precios de los productos básicos a nivel global, lo que resulta en fluctuaciones impredecibles de precios. Este documento tiene dos objetivos. En primer lugar, busca estimar y evaluar métodos para pronosticar 33 canastas homogéneas de inflación de alimentos, ofreciendo herramientas que puedan ayudar a los hacedores de política anticipar los factores que afectan la inflación de alimentos futura. Esto incluye tanto modelos tradicionales de series de tiempo como enfoques modernos de machine learning. En segundo lugar, se propone mejorar la interpretabilidad de las predicciones de los modelos mediante técnicas de explainableAI. Para ello, proponemos un algoritmo de selección de variables que identifique las variables explicativas más relevantes, y utilizamos valores SHAP (SHapley Additive exPlanations) para cuantificar la contribución de cada variable explicativa en las predicciones del modelo. Nuestros hallazgos indican que los modelos de machine learning superan a los enfoques tradicionales en el pronóstico de la inflación de alimentos, logrando una mayor precisión tanto en la mayoría de las canastas individuales como en la inflación de alimentos agregada.Documentos de Trabajo. 2025-12-11Borradores de Economía; No.1335