Nowcasting del PIB de Uruguay : evaluación del desempeño de los modelos en las crisis de 2002 y 2020.

Mateauda Espinosa, Maximiliano

Supervisor(es): Lanzilotta, Bibiana

Resumen:

El primer objetivo de este trabajo consistió en estimar modelos de Nowcasting para predecir el PIB trimestral uruguayo mediante indicadores mensuales. Se aplicaron las metodologías de Modelos de Factores Dinámicos (FD) y modelos basados en Ecuaciones Puentes (EP). En segundo lugar, se analizó la contribución de cada indicador mensual a las revisiones de los pronósticos. Por último, se evaluó su capacidad predictiva en la crisis del 2002 y la de 2020. Se concluye que los modelos propuestos tienen un mejor desempeño respecto a los benchmark usados como referencia, y que, con excepción de uno, las predicciones mejoran conforme incorporan la nueva información mensual. Al comparar entre metodologías, los EP son los que presentan mejor capacidad predictiva. Se encuentra que hay cinco variables que explican más del 50% de las revisiones absolutas de los pronósticos: El Índice de Volumen Físico de la Industria Manufacturera sin refinería, la venta de automóviles 0 km, la venta de nafta, y variables que informan sobre la actividad de Argentina y Brasil. Finalmente, cuando se analiza el desempeño de los modelos en las crisis, un modelo basado en EP resulta el más preciso en ambos casos.


Detalles Bibliográficos
2022
Nowcasting
Ecuaciones puente
Modelos de factores dinámicos
PIB
PRODUCTO INTERNO BRUTO
Español
Universidad de la República
COLIBRI
https://hdl.handle.net/20.500.12008/34383
Acceso abierto
Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0)
Resumen:
Sumario:El primer objetivo de este trabajo consistió en estimar modelos de Nowcasting para predecir el PIB trimestral uruguayo mediante indicadores mensuales. Se aplicaron las metodologías de Modelos de Factores Dinámicos (FD) y modelos basados en Ecuaciones Puentes (EP). En segundo lugar, se analizó la contribución de cada indicador mensual a las revisiones de los pronósticos. Por último, se evaluó su capacidad predictiva en la crisis del 2002 y la de 2020. Se concluye que los modelos propuestos tienen un mejor desempeño respecto a los benchmark usados como referencia, y que, con excepción de uno, las predicciones mejoran conforme incorporan la nueva información mensual. Al comparar entre metodologías, los EP son los que presentan mejor capacidad predictiva. Se encuentra que hay cinco variables que explican más del 50% de las revisiones absolutas de los pronósticos: El Índice de Volumen Físico de la Industria Manufacturera sin refinería, la venta de automóviles 0 km, la venta de nafta, y variables que informan sobre la actividad de Argentina y Brasil. Finalmente, cuando se analiza el desempeño de los modelos en las crisis, un modelo basado en EP resulta el más preciso en ambos casos.