Finalización de la matriz del comercio mundial

Por • 27 sep, 2021 • Sección: Economía

Gnecco Giorgio , Nutarelli Federico , Riccaboni Massimo

Este trabajo aplica Matrix Completion (MC), una clase de métodos de aprendizaje automático que se utilizan comúnmente en el contexto de los sistemas de recomendación, para analizar la complejidad económica. El MC se aplica para reconstruir la matriz de Ventaja Comparativa Revelada (RCA), cuyos elementos expresan la ventaja relativa de los países en determinadas clases de productos, como lo demuestran los flujos comerciales anuales. Un clasificador binario de alta precisión se deriva de la aplicación de MC, con el objetivo de discriminar entre elementos de la matriz RCA que son, respectivamente, superiores o inferiores a uno. Presentamos un nuevo índice de implementación matricial de complejidad económica (DINERO) basado en MC, que está relacionado con la previsibilidad del RCA de los países (cuanto menor es la previsibilidad, mayor es la complejidad). A diferencia de los índices de complejidad económica desarrollados anteriormente, el índice MONEY tiene en cuenta los diversos vectores singulares de la matriz reconstruida por MC, mientras que otros índices se basan solo en uno o dos autovectores de una matriz simétrica adecuada, derivada de la matriz RCA. Finalmente, CM se compara con un índice de complejidad económica de última generación (GENEPY). Demostramos que la tasa de falsos positivos por país de un clasificador binario construido a partir de la salida de entrada promedio de MC puede usarse como un proxy de GENEPY.

arXiv:2109.03930v1 [econ.GN]
General Economics (econ.GN); Machine Learning (cs.LG)

Post to Twitter

Escribe un comentario