Estimating the Output Gap After COVID: How to Address Unprecedented Macroeconomic Variations

Simple item page
dc.audiencePolicymakerseng
dc.audienceResearcherseng
dc.audienceStudentseng
dc.audienceTeacherseng
dc.contributor.dependenciaGrupo de Modelos Macroeconómicosspa
dc.coverage.sucursalBogotáspa
dc.creatorParra-Amado, Danielspa
dc.creatorGranados, Camilospa
dc.creator.firmaCamilo Granadosspa
dc.creator.firmaDaniel Parra-Amadospa
dc.date.accessioned2023-09-15T19:46:32Zspa
dc.date.available2023-09-15T19:46:32Zspa
dc.date.created2023-09-15spa
dc.descriptionEsta investigación examina si y cómo es importante ajustar la estimación de la brecha de producto (PIB) durante la pandemia de COVID-19. Para ello, proponemos dentro de un enfoque bayesiano un modelo de Vectores Autoregresivos estructurales (BSVAR) con un esquema de identificación basado en la descomposición de choques permanentes y transitorios que explota la relación de largo plazo entre el consumo y el PIB, y cuyos residuales se escalan alrededor del periodo de COVID-19. Nuestros resultados indican que (i) Con un sólo choque estructural es suficiente para explicar la componente permanente del PIB; (ii) el método ajustado permite la incorporación del período de COVID-19 sin asumir cambios bruscos en la configuración de modelización después de la pandemia; y (iii) el ajuste propuesto genera mejoras en la aproximación en comparación con filtros estándar u otros modelos similares sin ajustes o alternativos, pero donde las observaciones específicas poco comunes no son conocidas. Es importante destacar que prescindir de cualquier ajuste puede llevar a sobreestimar o subestimar la brecha de PIB, a una recuperación de la brecha demasiado rápida después de las caídas o a una volatilidad demasiado grande alrededor de la mediana de dichas estimaciones.spa
dc.description.abstractThis study examines whether and how important it is to adjust output gap frameworks during the COVID-19 pandemic and similar unprecedentedly large-scale episodes. Our proposed modelling framework comprises a Bayesian Structural Vector Autoregressions with an identification setup based on a permanent-transitory decomposition that exploits the long-run relationship of consumption with output and whose residuals are scaled up around the COVID-19 period. Our results indicate that (i) a single structural error is usually sufficient to explain the permanent component of the gross domestic product (GDP); (ii) the adjusted method allows for the incorporation of the COVID-19 period without assuming sudden changes in the modelling setup after the pandemic; and (iii) the proposed adjustment generates approximation improvements relative to standard filters or similar models with no adjustments or alternative ones, but where the specific rare observations are not known. Importantly, abstracting from any adjustment may lead to over or underestimating the gap, to too-quick gap recoveries after downturns, or too-large volatility around the median potential output estimations.eng
dc.description.notesEnfoque La pandemia del COVID-19 generó una crisis sin precedentes a nivel global, donde la economía mundial se contrajo 3.0% en 2020, con caídas generalizadas tanto en los países desarrollados como emergentes. En medio de los confinamientos y prevención de la propagación del COVID-19, la producción sufrió de manera significativa y se observaron caídas nunca vistas del PIB (por encima de dos dígitos en muchos países). Luego, con el avance acelerado de la ciencia médica y la generación de las vacunas, la recuperación también fue sorprendentemente muy rápida y sin antecedentes. Todo esto generó una elevada incertidumbre y volatilidad en las cifras económicas que complicó tanto los pronósticos como los análisis de la coyuntura económica. En este documento abordamos la estimación de la brecha de producto, insumo importante para los hacedores de política. Es importante señalar que en situaciones normales dicha estimación ya presenta un gran reto para los economistas por la incertidumbre relacionada con el nivel del PIB potencial, variable no observable. Así, en la coyuntura del periodo COVID-19 dicha labor se complica aún más, y las herramientas econométricas ven comprometido su rendimiento por la presencia de observaciones atípicas. Como propuesta el documento desarrolla un modelo de Vectores Auroregresivos estructurales bayesiano (BSVAR) para estimar la brecha de producto mediante la descomposición de choques permanente y transitorio sobre el PIB teniendo en cuenta en la presencia de observaciones extremas. Para ello, primero, se hace un modelo de forma reducida en el cual, mediante un factor de escala, el modelo logra mitigar endógenamente los efectos de las observaciones alrededor del choque del COVID. Luego, en una segunda etapa, sobre los resultados anteriores, se restringe el modelo para obtener los choques estructurales acorde a la restricción de maximizar la varianza del error de pronóstico a largo plazo del PIB. Para la estrategia empírica se seleccionaron siete economías desarrolladas con un conjunto de nueves variables macroeconómicas relevantes. Encontramos que un solo choque (de los nueves posibles), es suficiente para de explicar el componente permanente, mientras que los restantes explicarían las fluctuaciones asociadas al ciclo económico y de naturaleza transitoria. Se realizan diversos ejercicios de robustez, y se concluye que en escenarios como el COVID, el modelo propuesto presenta un mejor desempeño en comparación con otros métodos econométricos. Contribución La principal contribución del estudio es evaluar para siete países desarrollados sí y como es importante ajustar la estimación de brecha de producto durante la pandemia de COVID-19. Resultados Nuestros resultados indican que (i) Con un sólo choque estructural es suficiente para explicar la componente permanente del PIB; (ii) el método ajustado permite la incorporación del período de COVID-19 sin asumir cambios bruscos en la configuración de modelización después de la pandemia; y (iii) el ajuste propuesto genera mejoras en la aproximación en comparación con filtros estándar u otros modelos similares sin ajustes o alternativos, pero donde las observaciones específicas poco comunes no son conocidas. Frase destacada: La principal contribución del estudio es evaluar para siete países desarrollados sí y como es importante ajustar la estimación de brecha de producto durante la pandemia de COVID-19spa
dc.format.extent39 páginas : gráficas, tablasspa
dc.format.mimetypePDFspa
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/10695spa
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/10695spa
dc.language.isoengeng
dc.publisherBanco de la República de Colombiaspa
dc.relation.doihttps://doi.org/10.32468/be.1249spa
dc.relation.handlehttps://hdl.handle.net/20.500.12134/1249spa
dc.relation.infohttps://repositorio.banrep.gov.co/sitios/1249spa
dc.relation.inveshttps://investiga.banrep.gov.co/es/be-1249spa
dc.relation.ispartofDocumentos de Trabajospa
dc.relation.ispartofseriesBorradores de Economíaspa
dc.relation.isversionofBorradores de Economía; No.1249spa
dc.relation.numberBorrador 1249spa
dc.relation.portalhttps://www.banrep.gov.co/es/publicaciones-investigaciones/borradores-economia/estimacion-brecha-producto-despues-covidspa
dc.relation.repechttps://ideas.repec.org/p/bdr/borrec/1249.htmlspa
dc.relation.repechttps://ideas.repec.org/p/bdr/borrec/1249.html
dc.relation.shortdoihttps://doi.org/ks7hspa
dc.rights.HabeasDatos personales: El(los) autor(es) ha(n) incluido sus datos personales (nombres, correo electrónico, filiación académica, perfil académico, entre otros) en el Portal de Investigaciones o la obra remitida para publicación, y por consiguiente, manifiesta(n) que mediante el diligenciamiento y registro de sus datos personales autoriza(n) al Banco de la República el tratamiento (recolección, almacenamiento, uso, circulación o supresión) de todos los datos suministrados con la finalidad de adelantar la publicación de la obra en el Portal de Investigaciones, dar a conocer su perfil académico y medios de contacto para fines académicos y divulgativos, así como para la construcción de indicadores y estadísticas para el seguimiento y control de las actividades de divulgación del Portal de Investigaciones. Para tal fin, se informa que el tratamiento de los datos personales se realizará de acuerdo con las políticas o lineamientos generales disponibles en http://www.banrep.gov.co/proteccion-datos-personales, en la sección “Protección de Datos Personales - Habeas Data”.spa
dc.rights.ObjetoObjeto de publicación: La obra de mí (nuestra) autoría tiene por objeto ser publicada en el Portal de Investigaciones del Banco de la República e incluirla en el repositorio institucional de esa misma entidad. La obra podrá consistir en documento escrito, audiovisual, audio, gráfico, fotográfico, infográfico, podcasts, etc., y podrá estar en cualquier formato conocido o por conocerse.spa
dc.rights.accessRightsOpen Accesseng
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0eng
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.spa
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.eng
dc.rights.spaAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/eng
dc.source.handleRepecRePEc:bdr:borrec:1249spa
dc.subjectMétodos Bayesianosspa
dc.subjectCiclos económicosspa
dc.subjectBrecha de productospa
dc.subjectEstimación estructuralspa
dc.subject.brtema6. Actividad económica y mercado laboralspa
dc.subject.jelC11 - Bayesian Analysis: Generaleng
dc.subject.jelC53 - Forecasting and Prediction Methods; Simulation Methodseng
dc.subject.jelE3 - Prices, Business Fluctuations, and Cycleseng
dc.subject.jelE32 - Business Fluctuations; Cycleseng
dc.subject.jelE37 - Prices, Business Fluctuations, and Cycles: Forecasting and Simulation: Models and Applicationeng
dc.subject.jelspaC11 - Análisis bayesiano: generalidadesspa
dc.subject.jelspaC53 - Métodos de pronóstico y predicción; métodos de simulaciónspa
dc.subject.jelspaE3 - Precios, fluctuaciones y ciclos económicosspa
dc.subject.jelspaE32 - Fluctuaciones económicas; Ciclosspa
dc.subject.jelspaE37 - Precios, fluctuaciones y ciclos económicos: Predicción y simulación; Modelos y aplicaciónspa
dc.subject.keywordBayesian methodseng
dc.subject.keywordBusiness cycleseng
dc.subject.keywordPotential outputeng
dc.subject.keywordOutput gapseng
dc.subject.keywordStructural estimationeng
dc.subject.lembMacroeconomía -- Modelos econométricos -- Covid19spa
dc.subject.lembMacroeconomía -- Economías emergentes -- Modelos económicosspa
dc.titleEstimating the Output Gap After COVID: How to Address Unprecedented Macroeconomic Variationseng
dc.title.alternativeEstimación de la brecha de producto después del COVID: ¿Cómo abordar variaciones macroeconómicas sin precedentes?spa
dc.typeWorking Papereng
dc.type.hasversionPublished Versioneng
dc.type.spaDocumentos de trabajospa
local.caie.checklist11. Esta versión del documento ha sido presentada en algún seminario interno del Banco?: sispa
local.caie.checklist2Frente a los temas sensibles actualmente en país, considera que su documento es: NO SENSIBLEspa
local.caie.checklist61. ¿Este trabajo trata temas relacionados con el cambio climático?: nospa
local.caie.validadorSubgerencia Política Monetaria e Información Económica - Juan José Ospina Tejeiro - jospinte@banrep.gov.cospa

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
be_1249.pdf
Size:
3.89 MB
Format:
Adobe Portable Document Format
Description:
Borrador de Economía No. 1249
Download
License bundle
Now showing 1 - 1 of 1
Name:
license.txt
Size:
4.92 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Borradores de Economía