1. Repositorio institucional de CLACSO
2. Colección de los Centros Asociados
3. Costa Rica
4. Facultad de Ciencias Sociales - UNA - Cosecha

Título :	Pronósticos de inflación mediante técnicas bayesianas Inflation forecasts using Bayesian Techniques
Editorial :	Universidad Nacional, Costa Rica
Descripción :	La efectividad de la política monetaria bajo un esquema de metas de inflación como el propuesto por el Banco Central de Costa Rica se basa en buena medida en el correcto y oportuno pronóstico de la inflación a corto y mediano plazo con el fin de diseñar de mejor forma las acciones de política monetaria. Así, el propósito de este trabajo es desarrollar una herramienta complementaria para elaborar pronósticos de inflación mediante un enfoque bayesiano. Para lo anterior se propone la utilización de la metodología Bayesian Model Averaging y de Weighted Average Least Squares. Los modelos de proyección especificados permitirían ampliar y complementar el análisis que se realiza actualmente con el Modelo Macroeconómico de Proyección Trimestral (MMPT) del Banco Central de Costa Rica. Como resultado esta investigación muestra que, para datos de periodicidad mensual y a horizontes de pronóstico de 1 a 12 meses, es posible encontrar proyecciones mediante un proceso bayesiano que poseen una mayor capacidad predictiva en relación con aquellas producidas por un modelo autorregresivo. The effective monetary policy using the inflation targeting scheme proposed by the Central Bank of Costa Rica is mostly based on the correct and timely inflation forecast in the short and medium term, in order to better design monetary policy actions. The purpose of this study is to develop a complementary tool to forecast inflation using a Bayesian approach. To that end, we propose using the Bayesian Model Averaging and Weighted-Average Least Squares methodologies. Such projection models allow expanding and complementing the analysis currently conducted by the Central Bank of Costa Rica using the Quarterly Macroeconomic Projection Model (MQPM). As a result, we show that for monthly data and forecasting 1 to 12 months in advance, it is possible to have projections using the Bayesian process with greater predictive performance than with the autoregressive model.
URI :	https://biblioteca-repositorio.clacso.edu.ar/handle/CLACSO/211535
Otros identificadores :	https://www.revistas.una.ac.cr/index.php/economia/article/view/7287 10.15359/eys.20-48.3
Aparece en las colecciones:	Facultad de Ciencias Sociales - UNA - Cosecha

Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.