2004-06-012004-06-012004-06-012004-06https://repositorio.banrep.gov.co/handle/20.500.12134/3254El pronóstico de la demanda de efectivo en Colombia se ha convertido en un verdadero reto en el pasado reciente. En la última década la economía sufrió importantes transformaciones, las cuales trajeron consigo fuertes cambios en las variables que la determinan: la inflación y, por ende, las tasas de interés cayeron sustancialmente, el sistema de pagos experimentó importantes innovaciones tecnológicas y el impuesto a las transacciones financieras incentivó el uso del efectivo. Estos cambios cobran especial relevancia en la medida en que la demanda de dinero esté asociada en forma no-lineal con sus determinantes. En este trabajo se explora la existencia de no-linealidad y se explota la flexibilidad de las redes neuronales artificiales (ANN) para modelarla. Los resultados muestran claras ganancias en los errores de pronóstico de las ANN frente a modelos de naturaleza lineal y evidencia significativa de la existencia de no-linealidades en la dinámica del efectivo.Forecasting the demand for cash in Colombia has become a true challenge in the recent past. The last decade witnessed strong changes in the variables that determine the demand for money: Inflation and, hence, interest rates, fall substantially, technological progress was strong in the Colombian Payment System and distorting Tobin-like taxes to financial transactions were imposed. These changes are of special relevance when the demand for money is a non-linear function of its determinants. In this paper we exploit the flexibility of artificial neural networks (ANN) to explore the existence of nonlinearity in the demand for cash. The results show that the ANN models outperform those of linear nature in terms of forecast errors. Furthermore, significant evidence is found of non-linearity in the dynamics of the demand for cash.49 páginas : gráficas, tablasPDFspaOpen AccessDemanda de efectivoRedes neuronales artificialesNo linealidadARIMAARIMA con intervención y transferenciaVARVECPronósticoArticleC45 - Neural Networks and Related TopicsE41 - Demand for MoneyE47 - Money and Interest Rates: Forecasting and Simulation: Models and ApplicationC32 - Time-Series Models; Dynamic Quantile Regressions; Dynamic Treatment Effect Models; Diffusion Processes; State Space ModelsDemand for moneyCashArtificial neural networksNon-linearityIntervention and transfer-function ARIMA modelsVARVECForcastingDemanda por dinero -- Modelos econométricosRedes neurales (Informática)Vectores autorregresivosAcceso abiertoAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0C45 - Redes neuronales y temas relacionadosE41 - Demanda de dineroE47 - Dinero y tipos de interés: Predicción y simulación; Modelos y aplicaciónC32 - Modelos de series temporales; Regresiones cuantiles dinámicas; Modelos dinámicos de tratamiento; procesos de difusión; representación de espacios de estadoshttps://hdl.handle.net/20.500.12134/3254