Forecasting Inflation from Disaggregated Data: The Colombian case

Simple item page
dc.audiencePolicymakerseng
dc.audienceResearcherseng
dc.audienceStudentseng
dc.audienceTeacherseng
dc.coverage.sucursalBogotáspa
dc.creatorMartinez-Rivera, Wilmer
dc.creatorGonzález-Molano, Eliana Rocío
dc.creatorCaicedo-García, Edgar
dc.creator.firmaWilmer Martínez-Rivera
dc.creator.firmaEliana R. González-Molano
dc.creator.firmaEdgar Caicedo-García
dc.date.accessioned2023-10-09T16:02:23Zspa
dc.date.available2023-10-09T16:02:23Zspa
dc.date.created2023-10-09spa
dc.descriptionCon base en índice de precios al consumidor (IPC) a nivel desagregado y de información macroeconómica mensual, nosotros estudiamos las ventajas de pronosticar a nivel desagregado para luego agregar pronósticos y comparar con los pronósticos obtenidos al analizar los índices de precios a nivel agregado. El cálculo de pronósticos esta basado en el ajuste de modelos y técnicas que incluyen modelos de reducción de dimensión, modelos de selección de variables, modelos de Machine Learning así como modelos tradicionales de series de tiempo. Además, se usan las técnicas del cálculo de pronósticos iterativos y directos. El periodo muestral de análisis es 2011 a 2022 cuyo cálculo de pronósticos fuera de muestra se realiza a partir de 2017 hasta 2022. Nosotros encontramos que por medio del enfoque de análisis propuesto se logra reducir el error de pronóstico frente al desempeño analizando los índices agregados.spa
dc.description.abstractBased on monthly disaggregated Consumer Price Index (CPI) item series and macroeconomic series, we explore the advantages of forecast inflation from a disaggregated to an aggregated level by aggregating the forecasts. We compare the performance of this approach with the forecast obtained modeling aggregated inflation directly. For the aggregate level, we implement some of the techniques and models, helpful to work with many predictors, such as dimension reduction, shrinkage methods, and machine learning models. Also, we implement traditional time-series models. For the disaggregated data, we use its lags and a set of macroeconomic variables as explanatory variables. Direct and recursive forecast techniques are also explored. The sample period of the analysis is from 2011 to 2022, with forecasting and evaluation out of the sample from 2017. In addition, we evaluate the forecast accuracy during the COVID-19 period. We found a reduction in the forecast error from the disaggregate analysis over the aggregate one.eng
dc.description.notesPronosticando la inflación a partir de datos desagregados: caso colombiano Enfoque En este artículo se analiza la información mensual tanto agregada como desagregada del Índice de Precios al Consumidor (IPC) en Colombia, para generar estimaciones de la inflación anual total y la inflación básica (core). Se explora las ventajas de pronosticar, con información desagregada del IPC (a nivel de subclase), la inflación total, la inflación básica (sin alimentos ni regulados), y las variaciones anuales de los agregados que componen la inflación básica (bienes y servicios). Luego comparamos los anteriores pronósticos con los obtenidos a partir de la agregación de los pronósticos realizados a nivel de subclase. Utilizamos tres tipos de modelos: de reducción de dimensión, de selección de variables, y de Machine Learning, así como modelos tradicionales de series de tiempo tipo ARIMA. El periodo muestral de análisis abarca de 2011 a 2022. Los pronósticos fuera de muestra y la evaluación de los pronósticos se elaboraron para el período 2017 a 2022. Contribución La propuesta presentada contribuye a enriquecer las investigaciones de la literatura especializada sobre pronósticos y análisis empíricos de precios, aprovechando al máximo la información desagregada del IPC. Este estudio amplía la evidencia empírica de las ventajas de analizar series de tiempo a nivel desagregado, el cálculo de pronósticos y su posterior agregación. Adicionalmente, se evalúa el desempeño de los pronósticos, para diferentes segmentos del IPC, de los índices desagregados y agregados, comparando los resultados obtenidos de los modelos clásicos tipo ARIMA, modelos de reducción de dimensión, de selección de variables, y Machine Learning. En términos de implicaciones para la política económica, nuestras estimaciones y hallazgos permiten ampliar el conjunto de modelos utilizados para pronosticar la inflación de diferentes agregaciones del IPC. Resultados Los modelos estimados y los resultados de los pronósticos obtenidos con la información desagregada revelan dos hallazgos principales. Primero, al agregar pronósticos de las subclases (máxima desagregación posible) del IPC se logra reducir el error de pronóstico, principalmente para los horizontes 6, 9, y 12 en la inflación total y la básica, con respecto al desempeño de los pronósticos realizados directamente con la información agregada. Segundo, para los horizontes superiores a 3 meses, los modelos de selección de variables y de árboles de clasificación tienden a disminuir el error de pronóstico principalmente en el periodo posterior al inicio del COVID-19. Frase destacada: En términos de implicaciones para la política económica, nuestras estimaciones y hallazgos permiten ampliar el conjunto de modelos utilizados para pronosticar la inflación de diferentes agregaciones del IPC.spa
dc.format.extent29 páginas : gráficas, tablasspa
dc.format.mimetypePDFspa
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/10700spa
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/10700spa
dc.language.isoengeng
dc.publisherBanco de la República de Colombiaspa
dc.relation.doihttps://doi.org/10.32468/be.1251spa
dc.relation.handlehttps://hdl.handle.net/20.500.12134/1251spa
dc.relation.infohttps://repositorio.banrep.gov.co/sitios/1251spa
dc.relation.inveshttps://investiga.banrep.gov.co/es/be-1251spa
dc.relation.ispartofDocumentos de Trabajospa
dc.relation.ispartofseriesBorradores de Economíaspa
dc.relation.isversionofBorradores de Economía; No.1251spa
dc.relation.numberBorrador 1251spa
dc.relation.portalhttps://www.banrep.gov.co/en/publicaciones-investigaciones/borradores-economia/forecasting-iInflation-Disaggregated-data-colombian-casespa
dc.relation.repechttps://ideas.repec.org/p/bdr/borrec/1251.htmlspa
dc.relation.shortdoihttps://repositorio.banrep.gov.co/handle/20.500.12134/10700spa
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:1251spa
dc.subjectInflaciónspa
dc.subjectDatos desagregadosspa
dc.subjectPronósticos agregadosspa
dc.subject.brtema5. Precios, inflación y política monetariaspa
dc.subject.jelE17 - General Aggregative Models: Forecasting and Simulation: Models and Applicationeng
dc.subject.jelE31 - Price Level; Inflation; Deflationeng
dc.subject.jelC52 - Model Evaluation, Validation, and Selectioneng
dc.subject.jelspaC52 - Evaluación, contraste y selección de modelosspa
dc.subject.jelspaE17 - Modelos agregados generales: Predicción y simulación; Modelos y aplicaciónspa
dc.subject.jelspaE31 - Nivel de precios; Inflación; Deflaciónspa
dc.subject.keywordInflationeng
dc.subject.keywordDisaggregated dataeng
dc.subject.keywordForecast aggregationeng
dc.subject.lembÍndice de precios al consumidor -- Colombiaspa
dc.subject.lembPolítica Económica -- Inflación -- Colombiaspa
dc.titleForecasting Inflation from Disaggregated Data: The Colombian caseeng
dc.title.alternativePronosticando la inflación a partir de datos desagregados: Caso Colombianospa
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_1251.pdf
Size:
1.7 MB
Format:
Adobe Portable Document Format
FILE
https://repositorio.banrep.gov.co/bitstream/handle/20.500.12134/10700/be_1251.pdf
Description:
Borradores de Economía; No. 1251
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