Imposición de raíces unitarias bajo alta persistencia estacional y regular : una comparación predictiva.
Loading...
Date
2015
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Predecir el comportamiento de variables económicas es una actividad importante para la toma de decisiones. En el caso de la conducción de la política fiscal y monetaria, casi todas las variables económicas a predecir tienen un alto nivel de persistencia cuya modelación está sujeta a mayores niveles de incertidumbre paramétrica. Bajo este contexto y apelando a que esta incertidumbre es mayor a la incertidumbre funcional, se ha analizado la utilidad de suponer persistencia infinita imponiendo raíces unitarias al modelamiento de variables económicas relevantes. Sin embargo, este análisis ha quedado limitado a series donde la alta persistencia se encuentra en el componente regular o estacional. En este trabajo se compara la capacidad predictiva al imponer una raíz unitaria en alguno o en ambos componentes. Para ello, mediante simulaciones se compara la calidad de sus predicciones relativas a las del modelo estimado libremente, bajo un escenario de certidumbre funcional y alto nivel de persistencia parametrica. Los resultados muestran que, en un contexto de muestra pequeña y en los horizontes más inmediatos la imposición de cualquier raíz unitaria resulta más beneficiosa que la predicción proveniente de un modelo libre. Al utilizar una muestra intermedia, nuevamente la imposición de una raíz unitaria resulta beneficiosa con los máximos valores. En la medida que se agrega un mayor número de datos mejora la estimación del modelo libre, pero para predecir al largo plazo con series de alta persistencia aún es beneficiosa la imposición de una raíz unitaria en el componente estacional. Al incorporar incertidumbre funcional, a través de la prueba de Giacomini-White (2006) los resultados permiten concluir que es siempre recomendable realizar el ejercicio imponiendo una raíz unitaria en un componente y luego en el otro. Esto debido a que, dado que la estimación con muestra finita del modelo SARMA estaría sujeta a su vez a incertidumbre paramétrica, dificultando la identificación de los parámetros poblacionales.
Description
Tesis (Magíster en Economía)--Pontificia Universidad Católica de Chile, 2015