Combinación de brechas del producto colombiano

Simple item page
dc.audiencePolicymakersspa
dc.audienceResearchersspa
dc.audienceStudentsspa
dc.audienceTeachersspa
dc.coverage.sucursalBogotáspa
dc.creatorSánchez-Beltrán, Paulo Mauriciospa
dc.creatorMelo-Velandia, Luis Fernandospa
dc.creator.firmaLuis Fernando Melo-Velandia spa
dc.date.accessioned2013-12-01T08:30:10Zeng
dc.date.available2013-12-01T08:30:10Zeng
dc.date.created2013-12-01spa
dc.date.issued2013-12eng
dc.descriptionEste documento combina estimaciones de 8 metodologías de la brecha del producto colombiano para el período comprendido entre el primer trimestre de 1994 y el tercer trimestre de 2012. A partir de modelos vectoriales autorregresivos que incluyen las diferentes brechas y la inflación, se construyen las densidades combinadas de pronósticos de la brecha mediante el uso de 3 esquemas de ponderación: logarítmicos, basados en puntuaciones de rango de probabilidad continuo y en el error cuadrático medio; estas densidades de la brecha resultan útiles porque proveen indicios de su tendencia central a la vez que caracterizan su incertidumbre. Los resultados sugieren que las densidades combinadas bajo estos 3 esquemas con horizontes de pronóstico de 1, 2, 3 y 4 trimestres adelante están bien especificadas. Adicionalmente, las puntuaciones logarítmicas calculadas sobre estas densidades muestran que las metodologías basadas en ponderadores logarítmicos son las que presentan mejor desempeño, y para horizontes de pronóstico de 2 y 3 trimestres, tienen significativamente una mayor puntuación que las calculadas por los ponderadores basados en puntuaciones de rango de probabilidad continuo y error cuadrático medio.spa
dc.description.abstractThis paper combines eight estimations of the Colombian output gap for the time period between the first quarter of 1994 and the third quarter of 2012. The combined forecast densities of the gap are obtained by using bivariate VAR models that include the different gaps and inflation, and using three weighting schemes: logarithmic scores, continuous probability range scores (CRPS) and mean square error criteria (MSE), these output gap densities are useful because they provide an insight of the gap's central tendency, while characterizing the uncertainty. The results suggest that the combined densities under these three schemes for one, two, three and four quarters ahead are not miss-specified. Additionally, the combined density based on logarithmic weights has the best performance for all horizons. For two and three quarters ahead there are significant higher scores for the logarithmic weights methodology that those calculated by CRPS and MSE weights.eng
dc.format.extent9 páginas : gráficas, tablasspa
dc.format.mimetypePDFspa
dc.identifier.handlehttps://hdl.handle.net/20.500.12134/6496spa
dc.identifier.urihttps://repositorio.banrep.gov.co/handle/20.500.12134/6496
dc.language.isospaspa
dc.publisherBanco de la República de Colombiaspa
dc.relation.doihttps://doi.org/10.1016/S0120-4483(13)70006-Xspa
dc.relation.dotechttps://ideas.repec.org/a/col/000107/010896.htmlspa
dc.relation.ispartofArtículos de revistaspa
dc.relation.ispartofseriesRevista Ensayos Sobre Política Económicaspa
dc.relation.issn0120-4483spa
dc.relation.isversionofRevista Ensayos Sobre Política Económica; Vol. 31. No. 72. Diciembre, 2013. Pág.: 74-82.spa
dc.relation.repechttps://ideas.repec.org/a/bdr/ensayo/v31y2013i72p74-82.htmlspa
dc.rights.accessRightsOpen Accesseng
dc.rights.ccAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0eng
dc.rights.spaAcceso abiertospa
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/eng
dc.source.bibliographicCitationAmisano, G. y Giacomini, R. (2007). Comparing Density forecasts via weighted likelihood ratio tests. Journal of Business and Economic Statistics, 25, 177-190.spa
dc.source.bibliographicCitationBache, J., Jore, A. y Mitchell, J. (2001). Combining VAR and DSGE forecast densities. Journal of Economics dynamics and control, 35, 1659-1670.spa
dc.source.bibliographicCitationBao, Y., Lee T. y Saltouglu, B. (2007). Comparing Density forecasts Models. Journal of Forecasting, 26, 203-225.spa
dc.source.handleRepecRePEc:col:000107:010896spa
dc.subjectCombinación de densidades de pronósticospa
dc.subjectBrecha del productospa
dc.subjectPronósticos directosspa
dc.subjectModelos VARspa
dc.subject.jelC32 - Time-Series Models; Dynamic Quantile Regressions; Dynamic Treatment Effect Models; Diffusion Processes; State Space Modelseng
dc.subject.jelC53 - Forecasting and Prediction Methods; Simulation Methodseng
dc.subject.jelE37 - Prices, Business Fluctuations, and Cycles: Forecasting and Simulation: Models and Applicationeng
dc.subject.jelspaC32 - Modelos de series temporales; Regresiones cuantiles dinámicas; Modelos dinámicos de tratamiento; procesos de difusión; representación de espacios de estadosspa
dc.subject.jelspaC53 - Métodos de pronóstico y predicción; métodos de simulaciónspa
dc.subject.jelspaE37 - Precios, fluctuaciones y ciclos económicos: Predicción y simulación; Modelos y aplicaciónspa
dc.subject.keywordCombination of forecasts densitieseng
dc.subject.keywordOutput gapeng
dc.subject.keywordDirect forecastseng
dc.subject.keywordVAR modelseng
dc.subject.lembModelos VARspa
dc.subject.lembPolítica monetaria -- Colombia -- 1994-2012spa
dc.titleCombinación de brechas del producto colombianospa
dc.title.alternativeColombian product gap combinationsspa
dc.typeArticleeng
dc.type.hasversionPublished Versioneng
dc.type.spaArtículospa

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
espe.pdf
Size:
992.07 KB
Format:
Adobe Portable Document Format
Description:
Combinación de brechas del producto colombiano
Download

Collections

Año: 2013 - Vol. 31 - No. 72