Nowcasting: Modelos de Factores Dinámicos y Ecuaciones Puente para la Proyección del PIB del Ecuador

  • Félix Casares Ninguna

Resumen

El rumbo que puede tomar la actividad económica es de vital importancia tanto para hacedores de política económica como para los agentes privados, sin embargo, la publicación de los principales indicadores macroeconómicos como el PIB, generalmente presentan rezagos de hasta 90 días a partir de la finalización de un trimestre. Este trabajo constituye una aproximación a la proyección de la tasa de crecimiento anual del PIB Real del Ecuador utilizando los modelos de factores dinámicos y ecuaciones puente, desarrollando un ejercicio de nowcasting que produce estimaciones consistentes a través del Análisis de Componentes Principales y el filtro de Kalman, generando proyecciones con 50 días de anticipación respecto a la publicación oficial. La evaluación de los modelos fue realizada bajo el enfoque de ventanas movibles, expandibles, nowcast y el contraste Diebold-Mariano, y sugieren que el modelo que proporciona pronósticos más precisos es aquel que incorpora en la ecuación puente solamente los factores extraídos en el modelo de factores dinámicos.

Citas

I. Baffigi, A., Golinelli, R., y Paragi, G. (2004). Bridge models to forecast the Euro area GDP. International Journal of Forecasting, 447-460.

II. Banbura, M., Giannone, D., Modugno, M., y Reichlin, L. (2013). Now-casting and the real-time data flow. ECB Working Paper Series.

III. Camacho, M., y Perez-Quiros, G. (2010). Introducing the Euro-Sting: short term indicator of Euro area growth. Banco de España.

IV. Cobb, M., Garcia, M., Medel, C., Echavarría, G., Godoy, C., Filippi, P., Urrutia, M. (2011). Short-term GDP forecasting using bridge models: a case for Chile. Banco Central de Chile -Documentos de Trabajo.

V. D'Amato, L., Garegnani, L., y Blanco, E. (2010). Using the flow of conjectural information for short term forecasting of economic activity in Argentina. Banco Central de Argentina.

VI. D'Amato, L., Garegnani, L., y Blanco, E. (2015). Nowcasting de PIB: evaluando las condiciones cíclicas de la economía argentina. Estudios BCRA Documentos de trabajo, 1-14.

VII. Dickey, D., y Fuller, W. (1981). Distribution of estimator for autoregressive time series with unit root". Journal of Econometrics. Jounal of The Econometric Society, 1057-1072.

VIII. Doz, C., Giannone, D., y Reichlin, L. (2011). A two-step estimator for large approximate dynamic factor models based on Kalman filtering. Journal of Econometrics, 188-205.

IX. Elliot, G., Rothenberg, T., y Stock, J. (1996). Efficient test foran Autoregressive Unit Root. Journal of The Econometric Society, 813-836.

X. Giannone, D., Reichlin, L., y Small, D. (2008). Nowcasting: The real-time informational content. Journal of Monetary Economics, 665-676.

XI. Gujarati, D., y Porter, D. (2010). Econometría.Mexico: McGraw Hill.

XII. Harvey, D., Leybourne, S., y Newbold, P. (1997). Testing the equality of prediction mean squared errors. International Journal of Forecasting, 281-291.

XIII. Kwiatkowski, D., Phillips, P., Schmidt, P., y Shin, Y. (1992). Testingthe null hypotesis of stationary against the alternative of a unit root: how sure are we that economic time series have a unit root. Journal of The Econometric Society, 159-178.

XIV. Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis.Italy: Springer.

XV. Maddala, G. (1996). Introducción a la econometría.México: Prentice Hall.

XVI. Maddala, G., y Kim, I. (1998). Unit Roots, Cointegration, and Structural Change.United Kingdom: Cambridge University Press.

XVII. Modugno, M., Soybilgen, B. S., y Yazgan, E. (2016-044). Nowcasting Turkish GDP and News Decomposition. Finance and Economics Discussion Series.

XVIII. Newey, W., y West, K. (1987). A simple, positive semi-definitive, heteroskedasticy and autocorrelation consistent covariance matrix. Econometrica, 703-708.

XIX. Pérez, C. (2008). Econometría Avanzada: Técnicas y Herramientas.España: Prentice Hall.

XX. Rünstler, G., y Sédillot, F. (2003). Short-Term estimate of Euro Area Real GDP by mean of Monthly Data. ECB Working Paper.

XXI.Sánchez, I. (1996). Errores de predicción y raíces unitarias en series temporales.Madrid: Tesis Doctoral. Universidad Carllos III de Madrid.

XXII. Stock, J., y Watson, M. (2002). Forecasting using principal components from a large number of predictors. Journal of the American Statistical Association, 147-162.

XXIII. Tsay, R. (2013). Multivariate Time Series Analysis: With R and Financial Applications.Chicago: Wiley.

XXIV. Zivot, E., y Andrews, D. (1992). Further evidence on the great crash, the oil-price shock, and the Unit Root Hypothesis. Journal of Business y Economic Statistic, 251-270.
Publicado
2017-08-30