Pronósticos univariados de inflación para Costa Rica con volatilidad estocástica y efectos GARCH
Resumen
En este trabajo se estiman modelos de pronóstico univariados para la inflación de Costa Rica con el fin de que sean insumo en la formulación de la política monetaria del Banco Central de Costa Rica (BCCR). Se estiman 14 especificaciones que consideran diferentes supuestos sobre la forma funcional y las propiedades estadísticas del proceso generador de datos. Éstas incluyen modelos de componentes no observables y ARMA, con diferentes especificaciones para la ecuación de media y varios supuestos para el comportamiento de la variancia: homocedasticidad, efectos GARCH y volatilidad estocástica. Las propiedades de los pronósticos estimados se evalúan rigurosamente siguiendo las recomendaciones de la literatura sobre pronósticos óptimos, y aquellos con el mejor desempeño se incluyen en una combinación. Se encuentra que los pronósticos obtenidos a partir de modelos de componentes no observables mostraron el mejor desempeño, y que la inclusión de volatilidad estocástica mejora la capacidad de pronóstico a los horizontes más largos. Para horizontes más cortos, los pronósticos con mejor desempeño son más precisos que los bayesianos actualmente en uso en el BCCR. La combinación calculada supera el desempeño de los pronósticos individuales a todos los horizontes. Se recomienda que para los horizontes de 6 y 12 meses se utilice la combinación propuesta en conjunto con los pronósticos bayesianos. Para horizontes de 1 y 3 meses, es posible utilizar la combinación o bien los pronósticos UC, que son los que tienden a dominar a estos plazos.
Abstract
This paper estimates univariate models for forecasting inflation in Costa Rica to be used as an input in the monetary policy formulation of the Central Bank of Costa Rica (BCCR). We estimate 14 specifications that consider several assumptions about the functional form and the statistical properties of the data generating process. We estimate unobserved components models and ARMA models, with different specifications for the conditional mean and several assumptions about the behaviour of the variance: homocedasticity, GARCH effects and stochastic volatility. The forecasting properties of these models were rigorously evaluated following the recommendations in the literature about optimal forecasts, and then the best-performing forecasts were included in a combination. We found that the forecasts from unobserved components models showed the best performance, and that inclusion of stochastic volatility improved forecasting performance at longer horizons. At shorter horizons, the forecasts with better performance were more precise than the Bayesian forecasts currently used at the BCCR. The combination improves on the performance of individual forecasts at all horizons. We recommend using the proposed combination along with the Bayesian forecasts, especially at longer horizons: 6 and 12 months. Then, at 1 and 3-month horizon, it is better to use either the combination or the UC forecasts, because these encompass the others at these horizons. Key
Código JEL
JEL code
Palabras clave
Handle:
https://activos.bccr.fi.cr/sitios/bccr/investigacioneseconomicas/DocMetodosCuantitativos/2016-DI-04-Pron_univ_inflacin_CR_volat_estoc_efectosGARCH.pdf
URI
https://repositorioinvestigaciones.bccr.fi.cr/handle/20.500.12506/282https://activos.bccr.fi.cr/sitios/bccr/investigacioneseconomicas/DocMetodosCuantitativos/2016-DI-04-Pron_univ_inflacin_CR_volat_estoc_efectosGARCH.pdf
Collections
- Documentos de Trabajo [168]
This work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.