Mostrar el registro sencillo del documento

Nowcasting economic activity with electronic payments data: A predictive modeling approach

dc.creatorLeón-Rincón, Carlos Eduardo
dc.creatorOrtega-Castro, Fabio Gonzalo
dc.date.created2018-02-12
dc.date.issued2018-02-12
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/6997
dc.description.abstractEconomic activity nowcasting (i.e. making current-period estimates) is convenient because most traditional measures of economic activity come with substantial lags. We aim at nowcasting ISE, a short-term economic activity indicator in Colombia. Inputs are ISE’s lags and a dataset of payments made with electronic transfers and cheques among individuals, firms, and the central government. Under a predictive modeling approach, we employ a nonlinear autoregressive exogenous neural network model. Results suggest that our choice of inputs and predictive method enable us to nowcast economic activity with fair accuracy. Also, we validate that electronic payments data significantly reduces the nowcast error of a benchmark non-linear autoregressive neural network model. Nowcasting economic activity from electronic payment instruments data not only contributes to agents’ decision making and economic modeling, but also supports new research paths on how to use retail payments data for appending current models.
dc.format.extent29 páginas
dc.format.mimetypePDF
dc.language.isoeng
dc.publisherBanco de la República de Colombia
dc.relation.ispartofDocumentos de Trabajo
dc.relation.ispartofseriesBorradores de Economía
dc.relation.isversionofBorradores de Economía; No. 1037
dc.rights.accessRightsOpen Access
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectPrevisión
dc.subjectAprendizaje automático
dc.subjectRedes neuronales
dc.subjectPagos minoristas
dc.subjectNARX
dc.titleNowcasting economic activity with electronic payments data: A predictive modeling approach
dc.typeWorking Paper
dc.subject.jelE27 - Consumption, Saving, Production, Investment, Labor Markets, and Informal Economy: Forecasting and Simulation: Models and Application
dc.subject.jelC53 - Forecasting and Prediction Methods; Simulation Methods
dc.subject.jelC45 - Neural Networks and Related Topics
dc.audiencePolicymakers
dc.audienceResearchers
dc.audienceStudents
dc.audienceTeachers
dc.subject.keywordForecasting
dc.subject.keywordMachine learning
dc.subject.keywordNeural networks
dc.subject.keywordRetail payments
dc.subject.keywordNARX
dc.subject.lembIndicadores económicos
dc.subject.lembActividad económica
dc.subject.lembModelos económicos
dc.type.spaDocumentos de trabajo
dc.rights.spaAcceso abierto
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0
dc.subject.jelspaE27 - Consumo, ahorro, producción, inversión e economía informal: Predicción y simulación; Modelos y aplicación
dc.subject.jelspaC45 - Redes neuronales y temas relacionados
dc.subject.jelspaC53 - Métodos de pronóstico y predicción; métodos de simulación
dc.type.hasversionPublished Version
dc.coverage.sucursalBogotá
dc.description.notesLos agentes económicos suelen tomar decisiones con base en información incompleta. Por ejemplo, una empresa puede tomar sus decisiones de inversión con base en los últimos reportes que tenga sobre el crecimiento del sector al que pertenece o el de la economía en general. En el caso de un banco central, las decisiones de política monetaria pueden depender de los reportes más recientes de inflación, desempleo, y crecimiento económico –entre otros. En la mayoría de los casos, los datos con que se elaboran esos reportes no pueden ser actualizados oportunamente y, por tanto, las decisiones de las autoridades y demás agentes económicos suelen tomarse con información rezagada. Los índices de actividad económica son un ejemplo de indicadores con un importante rezago. El Producto Interno Bruto (PIB) trimestral se publica con un rezago aproximado de cuatro semanas en Estados Unidos y el Reino Unido; seis en Japón; entre seis y siete en el área euro; ocho en Canadá y Colombia; y entre uno y dos años para el Líbano. Existen índices de corto plazo de actividad económica, pero suelen ser publicados con rezagos que no dejan de ser importantes. En los últimos años se ha avanzado en el desarrollo e implementación de modelos que buscan reducir el rezago con el que se conocen algunos indicadores económicos. Algunos de esos modelos se catalogan como de nowcasting, que es una palabra en inglés que resulta de la contracción de ahora (now) y predicción (casting), y que se puede definir como la predicción del presente, el futuro cercano, o el pasado muy reciente. La utilización del nowcasting es relativamente reciente en economía y finanzas, pero ha sido utilizada por décadas en áreas como la meteorología. En este documento se presenta un modelo de nowcasting de actividad económica para el caso colombiano. Se utiliza el Indicador de Seguimiento a la Economía (ISE) del Departamento Administrativo Nacional de Estadística (DANE) como índice de corto plazo de actividad económica. El ISE es un índice mensual, que se publica con dos meses de rezago, el cual se aproxima a la evolución del PIB trimestral. El propósito de este modelo de nowcasting es hacer una predicción del cambio presente en el nivel del ISE, de tal manera que se anticipe aproximadamente dos meses a la publicación del dato oficial por parte del DANE. Como información base para el nowcast, se utilizan los pagos registrados en las dos cámaras de compensación de transferencias electrónicas (ACH Colombia y ACH Cenit) y en la cámara de compensación de cheques (Cedec), así como los rezagos del ISE. La información de pagos es mensual, disponible con un rezago de un par de días hábiles. Utilizar esta información se justifica en la medida que captura buena parte de los pagos realizados por las personas naturales, personas jurídicas y el gobierno central, de manera oportuna y prácticamente libre de error. En ese sentido, la información utilizada se aproxima a la actividad económica por el lado del consumo, la inversión y el gasto público. Realizar el nowcast exige una metodología que permita extraer señales de actividad económica de la información base, para así hacer una predicción fuera de muestra lo más cercana posible al comportamiento observado del ISE. La metodología utilizada en este documento es una red neuronal artificial. Este tipo de metodología, perteneciente a lo que se conoce como aprendizaje automático (i.e. machine learning), ha sido reconocido por su alto desempeño y flexibilidad en tareas de predicción, en especial cuando la distribución de las variables no se aproxima a una distribución normal o cuando la relación entre variables no es lineal. Los resultados del modelo de nowcasting demuestran que los errores de predicción de las variaciones del ISE son bajos –del orden de un cuarto de punto porcentual en la mejor de las especificaciones escogidas. Eso quiere decir que los pagos registrados en las cámaras de compensación de transferencias electrónicas y cheques, junto con un modelo de predicción basado en redes neuronales artificiales, permiten realizar un nowcast adecuado de la actividad económica en el caso colombiano. De este modo, se consigue reducir el rezago en la disponibilidad del dato de la variación del ISE de dos meses a apenas unos días, con las potenciales ventajas que esto implica para los agentes económicos en términos de una mejor información en el proceso de toma de decisiones.
dc.source.bibliographicCitationAiken, M. (2000). Forecasting the United States gross domestic product with a neural network. Journal of International Information Management, 9 (1), 67-75.
dc.source.bibliographicCitationAngelini, E., di Tollo, G., & Roli, A. (2008). A neural network approach for credit risk evaluation. The Quarterly Review of Economics and Finance, 48, 733-755. [doi:10.1016/j.qref.2007.04.001]
dc.source.bibliographicCitationBańbura, M., Giannone, D., Modugno, M., & Reichlin, L. (2013). Nowcasting and the realtime data flow. In G. Elliott & A. Timmermann (Eds.), Handbook of Economic Forecasting (pp.195-237). Amsterdam: North Holland-Elsevier.
dc.relation.doihttps://doi.org/10.32468/be.1037
dc.rights.disclaimerLas opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.
dc.rights.disclaimerThe opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.
dc.listverifica1No
dc.listverifica2No
dc.listverifica3No
dc.relation.infohttps://repositorio.banrep.gov.co/sitios/1037/
dc.relation.jefeinmediatoClara Lia Machado Franco
dc.relation.repechttps://ideas.repec.org/p/bdr/borrec/1037.html
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/6997
dc.creator.firmaCarlos León
dc.source.handleRepecRePEc:bdr:borrec:1037


Archivos en el documento

Thumbnail
Nombre:
be_1037.pdf
Tamaño:
1.575Mb
Formato:
PDF
Descripción:
Borradores de Economía No.1037
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