Bibliotecas de la Universidad de Concepción

How Informative are In-Sample Information Criteria to Forecasting? The Case of Chilean GDP, Carlos Medel

eng

Incluye referencias bibliográficas: página 16-18

periodical

successive entry

How Informative are In-Sample Information Criteria to Forecasting? The Case of Chilean GDP

basic roman

regular

Carlos Medel

Documentos de trabajo / Banco Central de Chile, 657

No existe una metodología estándar de proyecciones económicas que sistemáticamente supere a las demás para todos los horizontes y con cualquier conjunto de datos. Una forma habitual de proceder, en muchos contextos, es elegir el mejor modelo dentro de una familia basándose en un criterio de ajuste, y luego pronosticar. En este trabajo se compara el rendimiento fuera de muestra de un alto número de modelos autorregresivos integrados de medias móviles (ARIMA) con algunas variaciones, elegidos con tres criterios de información de uso general para la construcción de modelos: Akaike, Schwarz y Hannan-Quinn. El ejercicio se realiza para identificar cómo es posible alcanzar la menor raíz del error cuadrático medio con modelos basados en criterios de información. Se utiliza el conjunto de datos del PIB de Chile, estimando los modelos con una ventana móvil, y proyectando desde uno hasta cuatro períodos adelante. Asimismo, se examina el rol del ajuste estacional y el efecto calendario en el rendimiento fuera de muestra. Después de haber estimado más de 20 millones de modelos, los resultados muestran que Akaike y Schwarz son superiores para fines predictivos, utilizando una especificación ARMA tradicional. En cuanto al efecto calendario, este mejora los pronósticos sólo con datos ajustados por estacionalidad, y el orden de diferenciación que entrega mejores resultados es el segundo