Pronóstico del PIB mediante series de Fourier con base en el IGAE. Una comparación con el análisis de series de tiempo
DOI:
https://doi.org/10.68061/ggv7bg96Palabras clave:
error absoluto, estimación, IGAE, PIB, Series de Fourier, proyecciónResumen
El componente cíclico es el término común para las series macroeconómicas, las fluctuaciones se pueden aproximar mediante combinaciones lineales de términos ondulatorios, esto es mediante series de Fourier que han resultado ser un buen ajuste para la serie del indicador global de la actividad económica (IGAE) en comparación con ciertos ajustes convencionales mediante términos autorregresivos y de medias móviles que son discutidos en este trabajo. El análisis del modelo propuesto se simplifica toda vez que sus parámetros se obtienen por mínimos cuadrados. Luego, el PIB es estimado por el IGAE según la relación entre ellos a largo plazo. Sin embargo, la predicción para el PIB no ha resultado ser la mejor, por lo cual se sugiere considerar ambas técnicas de ajuste y combinar los resultados mediante un promedio, el resultado es en suma favorable ya que el error absoluto promedio es significativamente menor.
Referencias
Amielski, M. (8 de Abril de 2020). Pembina Institute. Obtenido de www.jstor.org/stable/restrep00237
Bloomfield, P. (2000). Fourier Analysis of Time Series. E.U.A.: John Wiley y Sons.
Cuche, N. A., y Hess, M. K. (1999). CucheEstimating Monthly GDP In A General Kalman Filter Framework: Evidence From Switzerland. Swiss National Bank, Study Center Gerzensee, Gerzensee.
Dynan, K. (9 de Abril de 2020). GDP as a Measure of Economic Well-being. Obtenido de Hutchins Center Working Paper #43: [4] Dynan, K. (2018). “GDP as a Measure of Economic Well-being”, Hutchins Centhttps://www.brookings.edu/research/gdp-as-a-measure-of-economic-well-being/
Elizondo, R. (2019). Estimaciones del PIB mensual en México basadas en el IGAE. Estudios Económicos, 197-241.
Gujarati, D. N., y Porter, D. C. (2009). Econometría. Ciudad de México: McGraw-Hill.
Hassani, H., R. A., Silva, E. S., y Thomakos, D. (2019). Monthly forecasting of GDP with mixed-frequency multivariate singular spectrum analysis. International Journal of Forecasting, 1263-1272.
Hausmann, R., H. C., Bustos, S., Coscia, M., Simoes, A., y Yıldırım, M. (2013). The Atlas of Economic Complexity: Mapping Paths to Prosperity. Cambridge, Massachusetts: London, England: The MIT Press.
Salazar, E. S., Weale, M., y Wright, S. (22 de Abril de 1997). A Monthly Indicator of GDP. Obtenido de National Institute Economic Review: www.jstor.org/stable/23872430


