Jornadas de Investigación Económica: 2019
Permanent URI for this collection
Realizadas entre el 2 y el 4 de diciembre de 2019.
Browse
Browsing Jornadas de Investigación Económica: 2019 by Author "Rodríguez-Vargas, Adolfo"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
- JIEMetodologías de estimación del tipo de cambio real de equilibrioÁlvarez-Corrales, Cristian; Chavarría-Mejía, Juan Diego; León-Murillo, Jorge; Rodríguez-Vargas, AdolfoEl tipo de cambio real es uno de los precios relativos más importantes de una economía, pues al indicar la relación entre los precios de los bienes transables y no transables sirve como una guía para la asignación de recursos productivos entre ambos sectores. El tipo de cambio real de equilibrio (TCRE) es el nivel del tipo de cambio real que impera cuando la economía se encuentra en equilibrio interno, con la producción en su nivel potencial y ausencia de presiones inflacionarias o deflacionarias, y en equilibrio externo, cuando la cuenta corriente de la balanza de pagos se financia con flujos externos de capital de largo plazo. La estimación del TCRE permite explicar sus movimientos en función de la evolución de las variables macroeconómicas fundamentales que lo determinan en el mediano y largo plazo. El BCCR se ha preocupado en utilizar un conjunto variado de metodologías que permitan aproximar una zona de coherencia con el equilibrio para el TCR. En esta presentación se exponen los detalles de dichas metodologías, que incluyen dos versiones del tipo de cambio real de comportamiento (BEER, por sus siglas en inglés); el enfoque del Balance Externo del Fondo Monetario Internacional (EBA); y los métodos de tipo de cambio real fundamental y tipo de cambio real deseado (FEER y DEER).
- JIEPronóstico de inflación en Costa Rica mediante métodos de aprendizaje automáticoLos métodos de aprendizaje automático (machine learning) han aumentado en popularidad como herramienta para el pronóstico debido a la creciente disponibilidad de grandes bases de datos y poder de cómputo, y al mayor acceso a software especializado. Su uso es más extendido en problemas de clasificación de variables de elección discreta, como predicción de mora en préstamos o de decisiones de compra de un consumidor, en los que han mostrado ser de gran ayuda sobre métodos tradicionales. Sin embargo, los métodos de aprendizaje automático también pueden adaptarse para su aplicación en la predicción de variables temporales de naturaleza continua, como la inflación o el crecimiento del producto real. Este estudio realiza una primera evaluación comprensiva del desempeño de métodos de aprendizaje automático en el pronóstico de la inflación de Costa Rica, para ello verifica si sus pronósticos cumplen con las propiedades de pronósticos óptimos bajo pérdida cuadrática, y si su desempeño es superior al de contrapartes univariadas actualmente en uso en el BCCR. Se calculan pronósticos mediante dos variantes de K-Nearest Neighbours (KNN), bosques aleatorios, extreme gradient boosting y un modelo de tipo long short-term memory (LSTM). Los resultados de la evaluación son promisorios. Se encontró que los pronósticos con el mejor desempeño son los resultantes de aplicar LSTM, KNN univariado y bosques aleatorios. Además, una combinación de estos pronósticos mejora el desempeño con respecto a cada pronóstico individual a todos los horizontes, y también supera en desempeño al promedio de los pronósticos univariados.