2023-09-152023-09-152023-09-15https://repositorio.banrep.gov.co/handle/20.500.12134/10695Esta 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.This 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.39 páginas : gráficas, tablasPDFengOpen AccessMétodos BayesianosCiclos económicosBrecha de productoEstimación estructuralWorking PaperC11 - Bayesian Analysis: GeneralC53 - Forecasting and Prediction Methods; Simulation MethodsE3 - Prices, Business Fluctuations, and CyclesE32 - Business Fluctuations; CyclesE37 - Prices, Business Fluctuations, and Cycles: Forecasting and Simulation: Models and ApplicationBayesian methodsBusiness cyclesPotential outputOutput gapsStructural estimationMacroeconomía -- Modelos econométricos -- Covid19Macroeconomía -- Economías emergentes -- Modelos económicosAcceso abiertoAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0C11 - Análisis bayesiano: generalidadesC53 - Métodos de pronóstico y predicción; métodos de simulaciónE3 - Precios, fluctuaciones y ciclos económicosE32 - Fluctuaciones económicas; CiclosE37 - Precios, fluctuaciones y ciclos económicos: Predicción y simulación; Modelos y aplicaciónLas 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.The 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.Objeto 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.Datos 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”.https://hdl.handle.net/20.500.12134/106956. Actividad económica y mercado laboral