Mostrar el registro sencillo del documento

An early warning model for predicting credit booms using macroeconomic aggregates

dc.creatorGuarín-López, Alexander
dc.creatorGonzález-Gómez, Andrés
dc.creatorSkandalis, Daphné
dc.creatorSánchez, Daniela
dc.date.created2014-07-01
dc.date.issued2014-07
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/6501
dc.descriptionEn este documento se propone una novedosa metodología para determinar la existencia de booms de crédito, el cual es un tema bastante complejo y de crucial importancia para las autoridades económicas. En particular, se explota la idea de Mendoza y Terrones (2008) que señala que los agregados macroeconómicos contienen información valiosa para predecir los episodios de boom. El ejercicio econométrico realiza la estimación y predicción de la probabilidad de estar en un boom de crédito. El trabajo empírico se lleva a cabo a partir de datos trimestrales de seis países latinoamericanos entre 1996 y 2011. Para capturar simultáneamente la incertidumbre en la elección del modelo y el valor de los parámetros, se emplea la técnica Bayesian Model Averaging. Como se hace uso de datos panel, los resultados econométricos podrían ser empleados para predecir booms de países que no se consideran en la estimación. En conjunto, los resultados muestran que las variables macroeconómicas contienen información importante para identificar y predecir los booms de crédito. De hecho, con nuestro método la probabilidad de detectar un boom de crédito es 80% mientras la probabilidad de no tener falsas alarmas es mayor al 92%.
dc.description.abstractIn this paper, we propose an alternative methodology to determine the existence of credit booms, which is a complex and crucial issue for policymakers. In particular, we exploit the Mendoza and Terrones's (2008) idea that macroeconomic aggregates contain valuable information to predict lending boom episodes. Specifically, our econometric method is used to estimate and predict the probability of being in a credit boom. We run empirical exercises on quarterly data for six Latin American countries between 1996 and 2011. In order to capture simultaneously model and parameter uncertainty, we implement the Bayesian model averaging method. As we employ panel data, the estimates may be used to predict booms of countries which are not considered in the estimation. Overall, our findings show that macroeconomic variables contain relevant information to identify and to predict credit booms. In fact, with our method the probability of detecting a credit boom is 80%, while the probability of not having false alarms is greater than 92%.
dc.format.extent10 páginas : gráficas, tablas
dc.format.mimetypePDF
dc.language.isoeng
dc.publisherBanco de la República de Colombia
dc.relation.ispartofArtículos de revista
dc.relation.ispartofseriesRevista Ensayos Sobre Política Económica
dc.relation.isversionofRevista Ensayos Sobre Política Económica; Vol. 32. No. 73. Julio, 2014. Pág.: 77-86.
dc.rights.accessRightsOpen Access
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectIndicador de alerta temprana
dc.subjectBooms de crédito
dc.subjectPromedio bayesiano de modelos
dc.subjectMercados emergentes
dc.titleAn early warning model for predicting credit booms using macroeconomic aggregates
dc.title.alternativeUn modelo de alerta temprana para la predicción de booms de crédito usando los agregados macroeconómicos
dc.typeArticle
dc.subject.jelE32 - Business Fluctuations; Cycles
dc.subject.jelE37 - Prices, Business Fluctuations, and Cycles: Forecasting and Simulation: Models and Application
dc.subject.jelE44 - Financial Markets and the Macroeconomy
dc.subject.jelE51 - Money Supply; Credit; Money Multipliers
dc.subject.jelC53 - Forecasting and Prediction Methods; Simulation Methods
dc.audiencePolicymakers
dc.audienceResearchers
dc.audienceStudents
dc.audienceTeachers
dc.subject.keywordEarly warning indicator
dc.subject.keywordCredit booms
dc.subject.keywordBayesian model averaging
dc.subject.keywordEmerging markets
dc.subject.lembCiclos de negocios -- Pronósticos -- América Latina
dc.subject.lembMacroeconomía -- América Latina -- 1996-2011
dc.subject.lembCrédito -- América Latina -- 1996-2011
dc.subject.lembMercados emergentes -- América Latina -- 1996-2011
dc.type.spaArtículo
dc.rights.spaAcceso abierto
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0
dc.subject.jelspaE32 - Fluctuaciones económicas; Ciclos
dc.subject.jelspaE37 - Precios, fluctuaciones y ciclos económicos: Predicción y simulación; Modelos y aplicación
dc.subject.jelspaE51 - Oferta monetaria; Crédito; Multiplicadores monetarios
dc.subject.jelspaC53 - Métodos de pronóstico y predicción; métodos de simulación
dc.type.hasversionPublished Version
dc.coverage.sucursalBogotá
dc.relation.issn0120-4483
dc.source.bibliographicCitationBrooks, S., Friel, N., King, R. (2003). Classical Model Selection Via Simulated Annealing. Journal of The Royal Statistical Society 65, 503-520.
dc.source.bibliographicCitationGourinchas, P., Valdes, R., Landerretche, O. (2001). Lending Booms: Latin America and The World. Working Paper 8249, NBER.
dc.source.bibliographicCitationGreen, P. (1995). Reversible Jump Markov Chain Monte Carlo Computation and Bayesian Model Determination. Biometrika 82, 711-732.
dc.relation.doihttps://doi.org/10.1016/S0120-4483(14)70020-X
dc.relation.repechttps://ideas.repec.org/a/bdr/ensayo/v32y2014i73p77-86.html
dc.relation.dotechttps://ideas.repec.org/a/col/000107/011975.html
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/6501
dc.creator.firmaAndres Gonzalez
dc.creator.firmaAlexander Guarin
dc.source.handleRepecRepEc:bdr:ensayo:v:32:y:2014:i:73:p:77-86
dc.source.handleRepecRePEc:col:000107:011975


Archivos en el documento

Thumbnail
Nombre:
espe.pdf
Tamaño:
1.008Mb
Formato:
PDF
Descripción:
An early warning model for predicting credit booms using macroeconomic aggregates
Descargar

Este documento aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del documento

Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.Este documento ha sido depositado por parte de el(los) autor(es) bajo la siguiente constancia de depósito