Segun arXiv q-fin, un estudio reciente presenta el primer marco de referencia sistemático para predecir los precios de dispositivos electrónicos usados, aplicando modelos estadísticos y de inteligencia artificial a datos de mercados digitales. El análisis se basa en un conjunto masivo de listados diarios de smartphones y laptops en plataformas polacas, cubriendo un periodo de tres años, desde enero de 2022 hasta marzo de 2025, con más de cien modelos diferentes. Se evalúan once métodos de predicción en seis escenarios temporales, desde un día hasta 365 días, abarcando desde modelos clásicos como ARIMA y ETS, hasta arquitecturas profundas como LSTM, TCN, N-BEATS, N-HiTS, TFT y PatchTST. La validación se realiza mediante tres protocolos independientes: ajuste de trayectoria, precisión en puntos finales y transferencia a horizontes diferentes.
El modelo N-BEATS logra una precisión de 8.51% en predicciones a largo plazo, frente a un 14.94% en el mejor modelo estadístico, representando una reducción del 43% en el error promedio absoluto porcentual. Este resultado se mantiene incluso en horizontes cortos, donde todos los modelos alcanzan una MAPE cercana al 0.72%. De manera notable, un solo modelo entrenado para un periodo de 365 días logra predecir con eficacia los valores de corto plazo, sin necesidad de adaptar el modelo para cada ventana temporal. Asimismo, N-BEATS y N-HiTS demuestran una estabilidad notable en sus parámetros, lo que facilita su implementación en entornos dinámicos.
Para el lector peruano, esta investigación tiene aplicaciones directas en el mercado de bienes usados, donde productos como celulares, laptops o accesorios suelen volatilizar sus precios rápidamente. En un contexto donde muchos consumidores dependen de plataformas digitales para comprar o vender electrónicos, una predicción precisa de precios podría reducir riesgos en transacciones, ayudar a establecer precios justos y aumentar la confianza en los intercambios. Aunque los datos provienen de un mercado polaco, los patrones de volatilidad en precios de bienes usados son universales. En el Perú, donde el acceso a tecnologías digitales crece rápidamente, el uso de modelos como N-BEATS podría permitir a microempresas, vendedores independientes o incluso plataformas locales mejorar la transparencia en sus ofertas. El hallazgo de que un modelo generalizado puede predecir tanto cortos como largos horizontes es especialmente valioso, ya que evita la necesidad de múltiples ajustes y permite una respuesta más ágil ante cambios del mercado.