ForeComp: An R Package for Comparing Predictive Accuracy Using Fixed-Smoothing Asymptotics

El artículo presenta ForeComp, un paquete de R que facilita la comparación de la precisión predictiva mediante pruebas de tipo Diebold-Mariano utilizando inferencia de suavizado fijo, e incluye herramientas visuales para diagnosticar la sensibilidad al ancho de banda y el equilibrio entre tamaño y potencia, todo ello ilustrado con aplicaciones a las Encuestas de Pronósticos Profesionales y evidencia de simulación.

Minchul Shin, Nathan Schor

Publicado 2026-03-10
📖 4 min de lectura☕ Lectura para el café

Each language version is independently generated for its own context, not a direct translation.

¡Claro que sí! Imagina que eres un entrenador de béisbol (o de fútbol) y tienes dos estrategias de juego diferentes. Quieres saber cuál de las dos funciona mejor para predecir el resultado del próximo partido.

El papel que presentas, titulado "ForeComp", es como un nuevo kit de herramientas de precisión para los economistas y analistas que quieren responder a esa pregunta, pero con un giro importante: corrige un error común que tienen las herramientas antiguas cuando tienen pocos datos.

Aquí te lo explico paso a paso, con analogías sencillas:

1. El Problema: La "Regla de la Pulgada" (El Test DM Antiguo)

Durante años, los economistas han usado una herramienta llamada la prueba de Diebold-Mariano (DM). Imagina que esta herramienta es como una regla de madera estándar.

  • Cómo funciona: Compara los errores de dos pronósticos. Si uno falla menos que el otro, la regla te dice: "¡Ganó este!".
  • El defecto: Esta regla funciona genial cuando tienes muchos datos (como un historial de 100 años de partidos). Pero si tienes pocos datos (digamos, solo los últimos 40 partidos), la regla de madera se vuelve inestable. Tiende a decirte que hay un ganador cuando, en realidad, la diferencia es solo suerte o ruido. Es como si la regla se estirara o encogiera sola, dándote medidas falsas.

2. La Solución: El "Microscopio de Fijación" (Asintótica de Suavizado Fijo)

Los autores (Minchul Shin y Nathan Schor) crearon un paquete de software llamado ForeComp para R (un lenguaje de programación estadística). Este paquete introduce un método nuevo y más inteligente.

En lugar de usar la "regla de madera" que se estira, usan un microscopio de alta precisión que no se mueve, incluso si tienes pocos datos.

  • La analogía: Imagina que estás intentando escuchar una conversación en una habitación ruidosa.
    • El método antiguo (DM normal) intenta escuchar con un oído tapado y asume que el ruido es constante. Si hay un poco de ruido extra, cree que escuchó una palabra que no existió (falso positivo).
    • El método nuevo (ForeComp) ajusta el volumen y el filtro de ruido de una manera específica que reconoce que, cuando hay pocos datos, el "ruido" (la incertidumbre) es más grande. No ignora ese ruido; lo incluye en el cálculo. Así, si dice que hay un ganador, ¡es un ganador real!

3. La Herramienta Visual: "Plot Tradeoff" (El Mapa de Compromisos)

Una de las partes más geniales del paquete es una función llamada Plot Tradeoff.

  • La analogía: Imagina que estás ajustando el enfoque de una cámara antigua. Tienes un botón que gira (el "ancho de banda").
    • Si giras el botón un poco, la imagen se ve nítida pero quizás el fondo se distorsiona (poder alto, pero riesgo de error).
    • Si giras el botón mucho, la imagen es muy estable pero quizás borrosa (control de error alto, pero pierdes detalles).
  • Qué hace ForeComp: En lugar de adivinar en qué posición poner el botón, Plot Tradeoff te muestra un mapa visual. Te dibuja una curva que te dice: "Si pones el botón aquí, ganas claridad pero corres riesgo de error. Si lo pones allá, eres muy seguro pero pierdes detalle".
  • El beneficio: Te permite ver si tu conclusión es sólida (la imagen se ve bien en casi todas las posiciones del botón) o si es frágil (solo funciona si pones el botón en un lugar muy específico y raro).

4. ¿Qué descubrieron? (La Prueba de Fuego)

Los autores probaron sus herramientas con datos reales de pronósticos económicos (como el crecimiento del PIB o el desempleo) y con simulaciones de computadora.

  • El hallazgo: En muestras pequeñas (como evaluar pronósticos solo de los últimos 10 años), las herramientas antiguas (DM normal) se equivocan mucho. A menudo gritan "¡Hay una diferencia!" cuando en realidad no la hay. Es como si el entrenador dijera "¡Jugamos mejor!" solo porque ganaron un partido por suerte.
  • La ventaja de ForeComp: Las nuevas herramientas (de suavizado fijo) mantienen la calma. No gritan "¡Ganamos!" a menos que tengan pruebas muy sólidas. Y lo mejor: no pierden potencia. Es decir, si realmente hay un ganador, ForeComp lo encuentra tan bien como las herramientas viejas, pero sin las falsas alarmas.

En Resumen

ForeComp es como actualizar el sistema de navegación de un barco:

  • Las herramientas viejas te decían "¡Sigue recto!" incluso cuando la brújula estaba temblando por la tormenta (pocos datos).
  • ForeComp recalibra la brújula, te muestra un mapa de los riesgos (el gráfico de tradeoff) y te asegura que, si dice que hay un camino mejor, es porque realmente lo hay, no porque la tormenta te hizo alucinar.

Es una herramienta esencial para cualquier analista que trabaje con datos limitados y quiera evitar tomar decisiones basadas en ilusiones estadísticas.