Análisis temporal de las ventas del sector minorista en Colombia

Abstract

El comercio minorista representa una parte importante de la economía colombiana, ya que aporta significativamente al PIB, genera empleo y refleja el comportamiento del consumo de los hogares, siendo relevante para la actividad productiva. Este estudio analiza el índice mensual de ventas reales entre enero del 2019 y junio del 2025 por sector y departamento, con el fin de comparar la capacidad predictiva de diferentes modelos y generar pronósticos a corto plazo, especialmente en un contexto de volatilidad económica. El análisis se basó en los valores del índice mensual de ventas reales de la Encuesta Mensual de Comercio (EMC) del DANE. Para el modelado, se implementaron cuatro enfoques: modelos tradicionales SARIMA, el modelo estructural Prophet, redes neuronales NNAR y algoritmos de Machine Learning en este caso XGBoost. Adicionalmente, se incorporaron variables exógenas como el Índice de Precios al Consumidor (IPC), el Producto Interno Bruto (PIB) y la Tasa de Interés para evaluar su poder predictivo. Los modelos SARIMA demostraron una alta capacidad predictiva y estabilidad en sectores con estacionalidad marcada y patrones regulares, como alimentos, bebidas y tabaco. Los métodos de XGBoost y NNAR mostraron ventajas en series con comportamientos no lineales y alta volatilidad, como los sectores de tecnología, vehículos y entretenimiento. En general, los modelos híbridos donde se combinaron dos enfoques resultaron ser los más robustos y estables frente a la volatilidad regional y sectorial, reduciendo los errores de predicción. La inclusión de variables exógenas mejoró la precisión de los modelos, confirmando la influencia del entorno macroeconómico en la demanda minorista.