Acceso usuarios
Gustavo Cabrera González
Resumen Este artículo estudia el modelado econométrico y pronóstico de tasas de crecimiento del tipo de cambio nominal (Peso/Dólar) de 1995 a 2018. Aplicando métodos de simulación Bayesiana se estudia la mejor modelación de ajuste a los datos entre enfoques econométricos lineales y no-lineales introduciendo parámetros Markovianos de cambio de régimen. El factor de Bayes para seleccionar modelos proporciona la siguiente evidencia: en el análisis de tasas de crecimiento diarias hay periodos con baja, media y alta volatilidad. En las tasas mensuales, también se encontraron cambios en la media y la volatilidad del proceso. El modelo econométrico autorregresivo lineal no es soportado por los datos en ningún caso. Además, en lugar de los cambios estructurales en dichas tasas, hay evidencia de parámetros dependientes del estado. La alta volatilidad en ambas frecuencias de datos coincide con la crisis sub-prime en 2008-2009, pero también con otros períodos de la muestra. Mas aún, se aplica un enfoque de ponderación óptimo a modelos Markovianos de cambio de régimen para estudiar los errores de pronóstico en la muestra. De este ejercicio, los errores de pronóstico de las tasas de crecimiento del tipo de cambio son menores a los del modelo lineal autorregresivo. Finalmente, los errores fuera de la muestra de modelos de cambio de régimen y métodos óptimos, en la mayor parte de los casos, superan aquellos de las inferencias lineales en ambas frecuencias de los datos.
Abstract This article studies the econometric modeling and the projection of growth rates of the nominal exchange rate (Peso/Dollar) from 1995 to 2018. Applying Bayesian simulation methods, the best data modeling fit between linear and non-linear econometric approaches is studied by introducing Markovian regime change parameters. The Bayes factor for model selection provides the following evidence: in the analysis of daily growth rates there are periods with low, medium, and high volatility. In the monthly rates, changes were also found in the mean and the volatility of the process. The linear autoregressive econometric model is not supported by the data in any case. Furthermore, instead of structural changes in these rates, evidence of state-dependent parameters is present. The high volatility in both data frequencies coincides with the sub-prime crisis in 2008-2009, but also with other sample periods. Moreover, an optimal weighting approach is applied to Markovian regime change models to study forecast errors in the sample. From this exercise, the forecasting errors of the exchange rate growth rates are lower than those of the linear autoregressive model. Finally, the out-of-sample errors of regime change models and optimal methods, in most cases, exceed those of linear inferences in both data frequencies.
