Las estimaciones de las tasas de inflación son cruciales para directivos ya que las decisiones de inversión están estrechamente vinculadas a ellas. Sin embargo, el comportamiento de la inflación tiende a ser no lineal e incluso caótico, lo que dificulta la correcta estimación. Esta característica del fenómeno puede hacer inexactos los modelos más simples para el pronóstico, accesible a las pequeñas organizaciones, ya que muchos de estos requieren manipulaciones de datos grandes y/o software especializado. Este artículo tiene como objetivo evaluar, mediante un análisis estadístico formal, la eficacia de las redes neuronales artificiales en el pronóstico de la inflación, dentro de la realidad de las pequeñas organizaciones. Las RNA son herramientas adecuadas para medir el fenómeno de la inflación, ya que son aproximaciones de funciones polinómicas, capaz de hacer frente a fenómenos no lineales. Para este proceso fueron seleccionados tres modelos básicos de las redes neuronales artificiales Multi Layer Perceptron, aplicables desde la fuente de las hojas de cálculo de código abierto. Los tres modelos fueron probados a partir de un conjunto de variables independientes sugerido por Bresser-Pereira y Nakano (1984), con retraso de un, seis y doce meses. Para este fin, se utilizaron las pruebas de Wilcoxon, coeficiente de determinación R² y el porcentaje medio de error de los modelos. El conjunto de datos se dividió en dos, siendo uno de los grupos utilizado para la formación de redes neuronales artificiales, mientras que otro grupo se utilizó para verificar la capacidad predictiva de los modelos y su capacidad de generalización. Con esto, el trabajo concluyó que ciertos modelos de redes neuronales artificiales tienen una capacidad razonable para predecir la inflación en el corto plazo y constituyen una alternativa razonable para este tipo de medición.
Inflación; Redes neuronales artificiales; Perceptron; Organizaciones pequeñas; Análisis de decisiones
