El pronóstico inmediato en economía es la predicción del presente, el futuro muy cercano y el estado pasado muy reciente de un indicador económico. El término es una contracción de "ahora" y "pronóstico" y se origina en la meteorología . Recientemente se ha hecho popular en economía como medidas típicas utilizadas para evaluar el estado de una economía (por ejemplo, el producto interno bruto (PIB)), solo se determinan después de un largo retraso y están sujetas a revisión. [1] Los modelos de pronóstico inmediato se han aplicado sobre todo en los bancos centrales , que utilizan las estimaciones para monitorear el estado de la economía en tiempo real como un sustituto de las medidas oficiales. [2] [3]
Principio
Mientras que los meteorólogos conocen las condiciones meteorológicas de hoy y solo tienen que predecir el tiempo futuro, los economistas tienen que pronosticar el presente e incluso el pasado reciente. Muchas medidas oficiales no son oportunas debido a la dificultad de recopilar información. Históricamente, las técnicas de predicción inmediata se han basado en enfoques heurísticos simplificados, pero ahora se basan en técnicas econométricas complejas . El uso de estos modelos estadísticos para producir predicciones elimina la necesidad de un juicio informal. [4]
Los modelos Nowcast pueden explotar información de una gran cantidad de series de datos a diferentes frecuencias y con diferentes retrasos de publicación. [5] Las señales sobre la dirección del cambio en el PIB se pueden extraer de este amplio y heterogéneo conjunto de fuentes de información (como cifras de desempleo, pedidos industriales, balanzas comerciales) antes de que se publique la estimación oficial del PIB . En el pronóstico inmediato, estos datos se utilizan para calcular secuencias de estimaciones del PIB del trimestre actual en relación con el flujo en tiempo real de las publicaciones de datos.
Desarrollo
Los trabajos de investigación académica seleccionados muestran cómo se ha desarrollado esta técnica. [6] [7] [8] [9] [10] [11] [12] [13]
Banbura, Giannone y Reichlin (2011) [14] y Marta Banbura, Domenico Giannone, Michele Modugno y Lucrezia Reichlin (2013) [15] proporcionan estudios de los métodos básicos y refinamientos más recientes.
Se han desarrollado métodos de predicción inmediata basados en el contenido de las redes sociales (como Twitter) para estimar sentimientos ocultos como el "estado de ánimo" de una población [16] o la presencia de una epidemia de gripe. [17]
Un enfoque sencillo de implementar y basado en regresiones para el pronóstico inmediato implica muestreo de datos mixtos o regresiones MIDAS. [18] Las regresiones MIDAS también se pueden combinar con enfoques de aprendizaje automático . [19]
Los modelos econométricos pueden mejorar la precisión. [20] Estos modelos se pueden construir usando autorregresiones vectoriales bayesianas , factores dinámicos , ecuaciones puente usando métodos de series de tiempo o alguna combinación con otros métodos. [21]
Implementación
La predicción inmediata económica se desarrolla en gran medida y se utiliza en los bancos centrales para respaldar la política monetaria .
Muchos de los Bancos de la Reserva del Sistema de la Reserva Federal de EE. UU. Publican pronósticos macroeconómicos. El Banco de la Reserva Federal de Atlanta publica GDPNow para rastrear el PIB . [3] [21] De manera similar, el Banco de la Reserva Federal de Nueva York publica un modelo de factor dinámico de pronóstico inmediato. [2] Tampoco lo son los pronósticos oficiales del banco regional, el sistema de la Reserva Federal o el FOMC ; ni incorporan el juicio humano.
El pronóstico inmediato también se puede utilizar para estimar la inflación [22] o el ciclo económico. [23]
Referencias
- ^ Hueng, C. James (25 de agosto de 2020), "Indicadores económicos alternativos", Instituto WE Upjohn, págs. 1-4, doi : 10.17848 / 9780880996778.ch1 , ISBN 978-0-88099-677-8 Falta o vacío
|title=
( ayuda ) - ^ a b "Informe Nowcasting - BANCO DE RESERVA FEDERAL DE NUEVA YORK" . www.newyorkfed.org . Consultado el 24 de septiembre de 2020 .
- ^ a b "GDPNow" . www.frbatlanta.org . Consultado el 24 de septiembre de 2020 .
- ^ Giannone, Domenico; Reichlin, Lucrezia; Small, David (mayo de 2008). "Nowcasting: el contenido informativo en tiempo real de los datos macroeconómicos" . Revista de Economía Monetaria . 55 (4): 665–676. CiteSeerX 10.1.1.597.705 . doi : 10.1016 / j.jmoneco.2008.05.010 . Consultado el 12 de junio de 2015 .
- ^ Bańbura, Marta; Modugno, Michele (12 de noviembre de 2012). "Estimación de máxima verosimilitud de modelos factoriales en conjuntos de datos con patrón arbitrario de datos faltantes" . Revista de Econometría Aplicada . 29 (1): 133–160. doi : 10.1002 / jae.2306 . hdl : 10419/153623 . ISSN 0883-7252 . S2CID 14231301 .
- ^ Camacho, Máximo; Pérez-Quirós, Gabriel (2010). "Presentación de la picadura del euro: indicador a corto plazo del crecimiento de la zona del euro" . Revista de Econometría Aplicada . 25 (4): 663–694. doi : 10.1002 / jae.1174 . Consultado el 12 de junio de 2015 .
- ^ Matheson, Troy D. (enero de 2010). "Un análisis del contenido informativo de las publicaciones de datos de Nueva Zelanda: la importancia de las encuestas de opinión empresarial" . Modelización económica . 27 (1): 304–314. doi : 10.1016 / j.econmod.2009.09.010 . Consultado el 12 de junio de 2015 .
- ^ Evans, Martin DD (septiembre de 2005). "¿Dónde estamos ahora? Estimaciones en tiempo real de la macroeconomía" . Revista Internacional de Banca Central . 1 (2) . Consultado el 12 de junio de 2015 .
- ^ Rünstler, G .; Barhoumi, K .; Benk, S .; Cristadoro, R .; Den Reijer, A .; Jakaitiene, A .; Jelonek, P .; Rua, A .; Ruth, K .; Van Nieuwenhuyze, C. (2009). "Previsión a corto plazo del PIB utilizando grandes conjuntos de datos: un ejercicio de evaluación de previsión en tiempo real pseudo". Journal of Forecasting . 28 (7): 595–611. doi : 10.1002 / para.1105 .
- ^ Angelini, Elena; Banbura, Marta; Rünstler, Gerhard (2010). "Estimación y previsión de las cuentas nacionales mensuales de la zona del euro a partir de un modelo de factores dinámicos" . Revista de la OCDE: Revista de medición y análisis del ciclo económico . 1 : 7 . Consultado el 12 de junio de 2015 .
- ^ Domenico, Giannone; Reichlin, Lucrezia; Simonelli, Saverio (23 de noviembre de 2009). "¿El Reino Unido todavía está en recesión? No lo creemos" . Vox . Consultado el 12 de junio de 2015 .
- ^ Kajal, Lahiri; Monokroussos, George (2013). "Pronóstico del PIB de los Estados Unidos: el papel de las encuestas comerciales de ISM". Revista Internacional de Pronósticos . 29 (4): 644–658. CiteSeerX 10.1.1.228.3175 . doi : 10.1016 / j.ijforecast.2012.02.010 . S2CID 12028550 .
- ^ Antolín-Díaz, Juan; Drechsel, Thomas; Petrella, Iván (2014). "Siguiendo la tendencia: seguimiento del PIB cuando el crecimiento a largo plazo es incierto" . Documentos de debate CEPR 10272 . Consultado el 12 de junio de 2015 .
- ^ Banbura, Marta; Giannone, Domenico; Reichlin, Lucrezia (2010). "Nowcasting" . En Clements, Michael P .; Hendry, David F. (eds.). Manual de Oxford sobre previsión económica . Prensa de la Universidad de Oxford.
- ^ Banbura, Marta; Giannone, Domenico; Modugno, Michele; Reichlin, Lucrezia (2013). "Capítulo 4. Nowcasting y el flujo de datos en tiempo real". En Elliot, G .; Timmerman, A. (eds.). Manual de previsión económica . Manual de previsión económica. 2 . Elsevier . págs. 195-237. doi : 10.1016 / B978-0-444-53683-9.00004-9 . ISBN 9780444536839. S2CID 14278918 .
- ^ Lansdall-Welfare, Thomas; Lampos, Vasileios; Cristianini, Nello (agosto de 2012). "Pronosticando el estado de ánimo de la nación" . Importancia . 9 (4): 26-28. doi : 10.1111 / j.1740-9713.2012.00588.x . Archivado desde el original el 20 de agosto de 2012.
- ^ Lampos, Vasileios; Cristianini, Nello (2012). "Eventos Nowcasting desde la Web Social con Aprendizaje Estadístico" (PDF) . Transacciones ACM sobre tecnología y sistemas inteligentes . 3 (4): 1–22. doi : 10.1145 / 2337542.2337557 . S2CID 8297993 .
- ^ Andreou, Elena; Ghysels, Eric; Kourtellos, Andros (8 de julio de 2011). "Pronóstico con datos de frecuencia mixta" . Manuales de Oxford en línea . doi : 10.1093 / oxfordhb / 9780195398649.013.0009 .
- ^ Babii, Andrii; Ghysels, Eric; Striaukas, Jonas (2020). " Regresiones de series de tiempo de aprendizaje automático con una aplicación a la predicción inmediata ".
- ^ Tessier, Thomas H .; Armstrong, J. Scott (2015). "Descomposición de series temporales por nivel y cambio" . Revista de Investigación Empresarial . 68 (8): 1755-1758. doi : 10.1016 / j.jbusres.2015.03.035 .
- ^ a b Higgins, Patrick (julio de 2014). "GDPNow: un modelo para el PIB" Nowcasting " " (PDF) . Serie de documentos de trabajo del Banco de la Reserva Federal de Atlanta .
- ^ Ahn, Hie Joo; Fulton, Chad (2020). "Índice de expectativas de inflación común" . Notas FEDS . 2020 (2551). doi : 10.17016 / 2380-7172.2551 . ISSN 2380-7172 : a través de la Junta de Gobernadores del Sistema de la Reserva Federal.
- ^ Aruoba, S. Boragan; Diebold, Francis; Scotti, Chiara (2008). "Medición en tiempo real de las condiciones comerciales" . Cambridge, MA. doi : 10.3386 / w14349 . Cite journal requiere
|journal=
( ayuda )
enlaces externos
- RePEc Biblio
- Teniente de economía de casting
- Charla TEDx sobre Nowcasting
- The Economist: Tomando el pulso económico.
- Financial Times: ¿Predecir el futuro?
- Blog del Financial Times
- Código R para modelos de regresión midas
- Código MATLAB para modelos de regresión midas