Diapositiva 1

1
PRONÓSTICOS DE SERIES NO ESTACIONARIAS DR.
LUIS MIGUEL GALINDO
2
INTRODUCCIÓN

• La economía está sujeta a cambios repentinos
  asociados a legislación, política económica o
  shocks de diverso tipo
• Teoría econométrica se construye con modelos
  correctamente especificados, con parámetros
  constantes y procesos estacionarios
• Los rompimientos en las medias se arreglan con
  correcciones en el intercepto o
  sobrediferenciando
• Difícil combatir la ituición de que la correcta
  especificación y el método de estimación importa
  más que los componentes determinísticos
• La evidencia empírica indica que los componentes
  determinísticos son los fundamentales porque un
  buen pronóstico

Dr. Galindo
3
INTRODUCCIÓN

• En condiciones normales ambos factores importan
• En condiciones de grandes cambios los elementos
  determinísticos son fundamentales
• Modelos simples que reducen la incertidumbre
  sobre los componentes determinísticos pueden
  mejorar los pronósticos
• El criterio de pronósticos no es bueno para
  seleccionar un modelo econométrico

Dr. Galindo
4
INTRODUCCIÓN
La teoría de pronóstico es adecuada en el caso
donde el DGP coincide con el modelo econométrico
y existen series estacionarias ó DSP El
pronóstico se define como El pronóstico
condicional es insesgado
Dr. Galindo
5
INTRODUCCIÓN

• Problemas
• 1. Selección del conjunto de información en
• 2. Método de estimación
• 3. Cambios estructurales en series no
  estacionarias
• Stock, D. H. y M.W. Watson (1996), Evidence on
  Structural Inestability in Macroeconomic time
  series relations, Journal of Bussines and
  Economics and Statistics, 14, pp. 11-30
• Las 76 series consideradas y sus 5,700 relaciones
  bivariadas tienen cambio estructural
• Nota Inestabilidad en un VAR ivariado implica
  inestabilidad en un VAR mayor

Dr. Galindo
6
CONSIDERACIONES GENERALES

• El éxito de los pronósticos depende de
• Existen patrones regulares en las series
• 2. Estos patrones regulares tienen información
  para predecir el futuro
• 3. El método propuesto para capturar estas
  regularidades
• 4. Excluir las irregularidades

Dr. Galindo
7
CONSIDERACIONES GENERALES
Fuentes de error de pronostico 1. No constancia
en los parámetros (principal) 2. Variación
muestral 3. Errores de medición de las
variables 4. Incertidumbre en el error Los
ajustes en la constante a la diferenciación
(cointegración) mejoran pronósticos La
sobrediferenciación hace un promedio móvil que
nunca está tremendamente mal ECM predicen mal
con cambios en la media del equilibrio
Dr. Galindo
8
CONSIDERACIONES GENERALES

• Información de casualidad
• En el caso donde el modelo coincide con el DGP
  entonces incluir más información causal mejora el
  pronóstico que de incluirse información no
  causal.
• Información causal, con series estacionarias,
  mejora los pronósticos incluso en un modelo
  incorrectamente especificado.
• Sin embargo con un modelo mal especificado y con
  cambio estructural en las series entonces la
  información causal o no causal puede ayudar.
• Información no causal son dummies de información
  causal omitida.
• En un modelo que no coincide con el DGP con
  cambio estructural entonces no existe dominancia
  de la información causal

Dr. Galindo
9
CONSIDERACIONES GENERALES

• Implicaciones de que la información causal no
  tiene dominancia en los modelos incorrectamente
  especificados
• Existen métodos como corrección de constante o
  diferenciación para corregir cambios
  estructurales ya ocurridos.
• Modelos mal especificados pero robustos al cambio
  estructural pronostican mejor que modelos
  causales
• Pronóstico preciso pequeña incertidumbre
• Pronostico accúrate si es cercano al resultado
  en promedio.

Dr. Galindo
10
CAUSAS DE ERROR DE PRONÓSTICO

• Fuentes de error
• Términos determinístico
• variables estocásticas con valores futuros
  desconocidos
• Errores no observados con valores desconocidos
• Cada uno de estas fuentes de error se relacionan
  con tres tipos de error
• Incorrecta especificación
• Incorrecta estimación
• Cambios no anticipados

Dr. Galindo
11
CAUSAS DE ERROR DE PRONÓSTICO

• Conclusiones
• Cambios en los medios de equilibrio son los
  principales determinantes de errores sistemáticos
  de pronóstico.
• No existe garantía de que un modelo correctamente
  especificado 1ue tenga mejores pronósticos que
  otros modelos
• Información causal puede mejorar el pronóstico
• No se debe utilizar necesariamente el modelo con
  el mejor pronóstico para simular política
  económica.
• 4.Cambios en los factores determinísticos son los
  principales factores de fracaso en los
  pronósticos
• 5. Incorrecta especificación y mala estimación no
  son tan importantes pero juntos pueden llevar a
  errores de pronóstico fuertes

Dr. Galindo
12
DIFERENCIACIACIÒN
Modelos en primeras o segundas diferencias
contribuyen a disminuir los problemas de cambio
estructural. La varianza menor, bajo el supuesto
de que no existen cambios estructurales, es VECM,
primeras diferencias y segundas diferencias. La
diferenciación es robusta ante cambios en los
componentes determinísticos en horizontes
cortos. Sin cambio estructural el ECM domina en
el largo plazo.
Dr. Galindo
13
CORRECCIONES EN EL INTERCEPTO
Las correcciones en el intercepto mejoran el
desempeño de los ECM aunque a algún costo en la
varianza del pronóstico Grado de ajuste durante
la muestra es un mal indicador de desempeño
predictivo ante la presencia de cambios
estructurales
Dr. Galindo
14
CONSIDERACIONES GENERALES
Pronósticos con series que no pueden reducirse a
ser estacionarias. La principal fuente de
fracaso en los pronósticos son los cambios en los
componentes determinísticos Otras fuentes de
fracaso en los pronósticos como incorrecta
especificación e incertidumbre en la estimación
son menos importantes con la excepción de cuando
incluye en términos determinísticos Los modelos
en primeras diferencias ayudan a mejorar el
desempeño de pronóstico pero no deben corregirse
por autocorrelación
Dr. Galindo
15
CONSIDERACIONES GENERALES
El desempeño de pronóstico de un modelo que tiene
cambios estructurales no es una buena guía de
selección ? No puede rechazarse una teoría si el
modelo no predice correctamente ? Analogía de la
nave espacial y el meteoro
Dr. Galindo
16
PRONÓSTICOS DE SERIES NO ESTACIONARIAS DR.
LUIS MIGUEL GALINDO