Pronósticos de inflación en horizontes intermedios: ¿qué aportan los modelos multivariados? Una aplicación para Uruguay.

  • Conrado Brum Banco Central del Uruguay
  • Fernanda Cuitiño Banco Central del Uruguay
  • José Mourelle Banco Central del Uruguay
  • Leonardo Vicente Banco Central del Uruguay

Resumen

Resumen. Este documento presenta un conjunto de modelos multivariados de función de transferencia mediante los cuales se proyecta la inflación agregando pronósticos de componentes, buscando responder la pregunta de qué valor añaden a las metodologías más habituales de proyección. Se encuentra que la agregación de estos componentes genera proyecciones con buen poder predictivo, especialmente en plazos cortos e intermedios, generalmente superando a sus dos benchmarks (mediana de expectativas de encuesta de expertos y paseo aleatorio). El desempeño resultó particularmente bueno para el núcleo duro de la inflación y para horizontes más lejanos, lo que haría a estos modelos útiles para la política monetaria, que debería concentrarse en este componente y en horizontes más alejados, dados los rezagos con los que actúa. Finalmente, estos modelos podrían desempeñar un rol importante para proyectar la inflación en plazos intermedios, superando algunas limitaciones de los modelos univariados para el corto plazo al incorporar información externa, y permitiendo un análisis más desagregado que los modelos macroeconómicos en plazos más largos.

Citas

Arroyo, N., y G. Cubas (2011). Métodos bayesianos para la proyección de variables macroeconómicas en Uruguay. Documento de Trabajo 14.2011, Banco Central del Uruguay.

Banerjee, A., y M. Marcellino (2006). “Are there any reliable leading indicators for US Inflation and GDP Growth?”, International Journal of Forecasting, 22, 137-151.

Barrera, C. R. (2005). Proyecciones desagregadas de la variación del índice de precios al consumidor (IPC), del índice de precios al por mayor (IPM) y del crecimiento del producto real (PBI). Documento de Trabajo 2005-006, Banco Central de Reserva del Perú.

Bassanetti, A., M. Caivano y A. Locarno (2010). Modelling Italian potential output and the output gap. Working Papers 771, Banca d’Italia.

Borraz, F., y D. Gianelli (2010). Un análisis de comportamiento a nivel de agente de la encuesta de expectativas de inflación del BCU. Documento de Trabajo 1.2010, Banco Central del Uruguay.

Brum, C., P. Carballo y A. Induni (2011). “La demanda de dinero en una economía dolarizada: Una estimación para Uruguay”, Revista de
Economía del Banco Central del Uruguay, 18 (2), 101‑127.

— (2012). “Inflación y núcleo monetario en la economía uruguaya”. XXVII Jornadas de Economía del Banco Central del Uruguay.

Capistrán, C., C. Constandse y M. Ramos-Francia (2009). Uso de modelos estacionales para pronosticar la inflación de corto plazo en México. Documento de Investigación 2009-05, Banco de México.

Cecchetti, S. G., R. S. Chu y C. Steindel (2000). “The unreliability of inflation indicators”, Current Issues in Economics and Finance, 4 (6). Federal Reserve, Bank of New York.

Cuitiño, M. F., E. Ganón, I. Tiscordioy L. Vicente (2010). “Modelos univariados de series de tiempo para predecir la inflación de corto plazo”. XXV Jornadas de Economía del Banco Central del Uruguay.

Cuitiño, M. F., F. Tramontin y L. Vicente (2011). “Evaluación de Indicadores de Inflación Subyacente para Uruguay”. XXVI Jornadas de Economía del Banco Central del Uruguay.

De Juan, A. (2006). Modelos de función de transferencia. Universidad Autónoma de Madrid, mimeo.

Diebold, F. X. (1998). “The Past, Present and Future of Macroeconomic Forecasting”,Journal of Economic Perspectives, 12, 175-192.

Espasa, A., y J. R. Cancelo (1993). Métodos cuantitativos para el análisis de la coyuntura Económica. Madrid, Alianza.

Espasa, A., A. Molina y E. Ortega (1984). “Forecasting the rate of inflation by means of the consumer price index”. Fourth International Symposium on Forecasting, Londres.

García-Ferrer, A., y M. Bujosa (2000). “Forecasting OCDE turning points using unobserved components models with business survery data”. International Journal of Forecasting, 16 (2), 207‑227.

Garda, P., B. Lanzilotta y F. Lorenzo (2004). “Descripción y evaluación de un esquema metodológico para el diagnóstico y predicción de la inflación en Uruguay”. XIX Jornadas de Economía del Banco Central del Uruguay.

Gianelli, D., L. Vicente, J. Basal y J. Mourelle (2010). “Un modelo macroeconométrico de estimación trimestral para la economía uruguaya”. XXV Jornadas de Economía del Banco Central del Uruguay.

González, E. (2008). Pronósticos de agregados a partir de desagregados. Caso empírico: Inflación de alimentos en Colombia. Borradores de Economía 504, Banco de la República.

Hendry, D., y K. Hubrich (2006). Forecasting economic aggregates by disaggregates. Working Paper 589, European Central Bank.

Hubrich, K. (2003). “Forecasting Euro area inflation: does aggregating forecasts by HICP component improve forecast accuracy?”, International Journal of Forecasting, 21 (1), 119‑136.

Hyndman, R. J., y A. B. Koehler (2006). “Another look at measures of forecast accuracy”, International Journal of Forecasting, 22, 679-688.

Kapetanios, G., V. Labhard y S. Price (2007). Forecast combination and the Bank of England’s suite of statistical forecasting models. Working Paper 323, Bank of England.

Marshall , P. (1986). “Predicción de inflación con modelos de series de tiempo múltiples”. Cuadernos de Economía. Instituto de Economía. Pontificia Universidad Católica de Chile, 23 (68), 101‑118.

Mourell e, J. (2010). Consejos de salarios y su utilización a los efectos de predecir la inflación en el MMET. Banco Central del Uruguay, mimeo.

Pizzolon, F., y S. Prieto (2010). “Ley de un solo precio en el mercado de carne vacuna”. XXV Jornadas de Economía del Banco Central del Uruguay.

Robl es, D. (2003). Modelos de función de transferencias. Universidad Complutense de Madrid, mimeo.
Publicado
2015-10-03
Cómo citar
BRUM, Conrado et al. Pronósticos de inflación en horizontes intermedios: ¿qué aportan los modelos multivariados? Una aplicación para Uruguay.. Cuaderno de Economía, [S.l.], n. 2, p. 85-120, oct. 2015. ISSN 1688-3519. Disponible en: <http://revistas.ucu.edu.uy/index.php/cuadernodeeconomia/article/view/410>. Fecha de acceso: 23 oct. 2017
Sección
Artículos originales

Palabras clave

pronósticos; inflación; modelos multivariados; errores de predicción