Pronóstico postpandemia del turismo receptivo vía aérea mediante la utilización de modelos bayesianos. El caso de Colombia

Abstract

En el presente artículo se realiza un pronóstico, a medio‐largo plazo (2023‐2030), de la entrada de turistas extranjeros al país vía aérea, utilizando como caso de estudio Colombia. Previamente, se analiza como el desarrollo y aplicación de las políticas públicas turísticas consiguieron potenciar el turismo, con énfasis en el turismo receptivo, en las últimas tres décadas, hasta el año 2019 (previo al periodo pandémico). Para conseguir tal objetivo, y como planteamiento metodológico, se desarrolla un modelo del tipo Bayesian Structural Time Series (BSTS), diseñado para trabajar con datos de series temporales, y muy utilizado para la selección de características, la previsión de series temporales, la predicción inmediata, y la inferencia del impacto causal. De los resultados obtenidos se puede destacar dos aspectos relevantes, en primer lugar, que el crecimiento de la demanda futura (entrada de turistas extranjeros no residentes vía aérea) mantendrá la tendencia mostrada en el periodo de recuperación post pandémico (2022). Y, en segundo lugar, los modelos presentan valores de error, medidos mediante el indicador MAPE, por debajo del 5%, lo que convierte al método BSTS en una metodología alternativa viable para el cálculo de pronóstico (a medio‐largo plazo) de demanda turística.

This article makes a medium‐long term forecast (2023‐2030) of the inflow of foreign tourists to a country by air, using Colombia as a case study. First, we analyse how the development and application of State policies in tourism managed to boost tourism, with an emphasis on inbound tourism, over the three decades previous to the year 2019 (prior to the pandemic period). To achieve this objective, we applied a Bayesian Structural Time Series (BSTS) model, designed to work with time series data, and widely used for feature selection, time‐series forecasting, immediate prediction, and causal impact inference. Two relevant aspects can be highlighted from the results obtained: first, that the growth of future demand (inflow of non‐resident foreign tourists by air) will follow the trend shown in the immediate post‐pandemic recovery period (2022). And, secondly, the models present error values, measured using the MAPE indicator, of under 5%, which makes the BSTS method a viable alternative methodology for the calculation of tourism demand forecasts (in the medium‐long term).