Análisis de la formación bruta de capital fijo en el sector turístico mediante TensorFlow para definir posicionamiento competitivo

Resumen

Este estudio analiza el impacto de la inversión en formación bruta de capital fijo (FBCF) sobre el posicionamiento competitivo del sector turístico en México, utilizando redes neuronales en TensorFlow para predecir y optimizar decisiones de inversión. La investigación se enfoca en dos componentes clave de la FBCF: la construcción y la inversión en maquinaria y equipo. Con datos de la Cuenta Satélite del Turismo de México, el modelo propuesto permite predecir el comportamiento de estas variables y su efecto en el rendimiento del sector turístico. La metodología empleada incluye un modelo de red neuronal que consta de múltiples capas, optimizado para identificar patrones en la inversión y su relación con la producción del sector turístico. El análisis estadístico de los resultados indica que la inversión en construcción y maquinaria tiene una influencia positiva y significativa en la producción del sector, con un modelo real mostrando un R² de 0.928 y un modelo predicho con un R² de 0.975. Los coeficientes obtenidos sugieren que, por cada millón de pesos invertido, la producción en el sector turístico podría aumentar en aproximadamente 13,213 pesos cuando la inversión se destina a construcción y en 8,643 pesos cuando se destina a maquinaria. Este enfoque cuantitativo proporciona a los tomadores de decisiones herramientas efectivas para planificar inversiones en infraestructura turística, lo que permite maximizar el retorno económico y fortalecer la competitividad del sector. Los hallazgos también destacan la aplicabilidad de redes neuronales en el análisis de datos económicos complejos y sugieren futuras investigaciones en áreas como la predicción de demanda hotelera y la creación de perfiles turísticos. La capacidad del modelo para predecir y optimizar la FBCF en turismo aporta valor a la planificación estratégica del sector en México, promoviendo su desarrollo sostenible.