Resumen

CABRERA GONZALEZ, Gustavo  y  LEON ARIAS, Adrián de. Modelación markoviana para identificar la dinámica y pronóstico del índice de producción industrial en México de 1980 a 2018. EconoQuantum [online]. 2019, vol.16, n.2, pp.23-41.  Epub 17-Mar-2020. ISSN 2007-9869.

En este artículo, por medio de modelación markoviana estudiamos la identificación de los estados estocásticos y pronóstico del índice mensual de producción industrial en México de 1980 a 2018. Dado que la muestra de datos está sujeta a fuertes fluctuaciones económicas y financieras, de una batería de modelos autorregresivos (lineales y con parámetros markovianos de cambio de régimen) se elige la especificación del modelo que mejor se ajusta a los datos a través del factor de Bayes. La selección del modelo provee evidencia de que las tasas de crecimiento mensual de este índice presentan parámetros (media y volatilidad) que cambian con el tiempo. Se lleva a cabo un ejercicio de pronóstico sobre el modelo markoviano de mejor ajuste a los datos. Para medir su capacidad de inferencia, se compara su eficiencia respecto de la especificación lineal autorregresiva en la misma serie de datos. Los resultados muestran que la media de los errores de pronóstico (dentro y fuera de la muestra) son menores en la especificación markoviana. La metodología bayesiana aplicada permite estimar de forma endógena e inferir de manera precisa incluso por problemas de identificación de parámetros markovianos, pequeño número de observaciones en regímenes, datos atípicos, número de regímenes e incertidumbre de parámetros sujetos a cambio de estado.

Palabras llave : Índice de producción industrial; parámetros markovianos; análisis bayesiano; pronóstico.

        · resumen en Inglés     · texto en Español     · Español ( pdf )