Lo más destacado de la inversión.
Ideas para la modelización de factores dinámicos
Los modelos dinámicos de factores (DFM) se han utilizado habitualmente en econometría en los últimos años para resolver problemas de seguimiento y previsión de datos macro, y han sido ampliamente utilizados en la práctica por la Reserva Federal y las autoridades monetarias de las principales partes del mundo, como el BCE. En este documento, utilizamos el marco lógico del Modelo de Factores Dinámicos para seguir y pronosticar la inflación, el PMI y el PIB incorporando una serie de datos macroeconómicos de alta frecuencia para proporcionar orientación sobre el estado de los resultados macroeconómicos.
El modelo de factores dinámicos es esencialmente un modelo de espacio de estados, que consta de dos partes: la ecuación de observación y la ecuación de transferencia de estados. La idea central de la ecuación de observación es suponer que una gran cantidad de macrodatos está impulsada por un pequeño número de cofactores implícitos; la ecuación de transferencia de estado describe el proceso de la serie temporal seguido por los cofactores implícitos, es decir, la evolución dinámica de los propios cofactores, que generalmente se considera que siguen un proceso vectorial autorregresivo (VAR).
Ventajas de los modelos de factores dinámicos
En comparación con los modelos de regresión tradicionales, los modelos factoriales dinámicos presentan las siguientes ventajas significativas en el tratamiento de datos: (1) Reducción de la dimensionalidad de los grandes macrodatos. (2) resuelve el "problema de confusión y falta" de los datos (3) refleja las características variables en el tiempo de la transferencia de estados (4) resuelve el problema de ponderación de la síntesis de índices
Eficacia del modelo de factores dinámicos
(1) Construimos un sistema de alta frecuencia para seguir las tasas de crecimiento interanual del IPC y del IPP respectivamente. En cuanto al efecto de ajuste, el modelo de factores dinámicos tiene una mejor explicación global del seguimiento de la inflación; la explicación de la tasa de la cadena es más fuerte que la de la tasa interanual, y la explicación del crecimiento del IPP es más fuerte que la del crecimiento del IPC. Basándonos en datos de alta frecuencia para el mes que termina en septiembre de 2022, proporcionamos una previsión extrapolada de un período para el crecimiento del IPC y del IPP. Se prevé que el IPP crezca un 1% interanual en octubre, mientras que el IPC crecerá un 3% interanual.
(2) Construimos un sistema de alta frecuencia para seguir el PMI y el PIB por separado. El ajuste general de las tasas de crecimiento del PMI y del PIB es bueno, y ambos reflejan el impacto de la epidemia a principios de 2020. Las previsiones fuera de muestra muestran que la previsión del PMI se actualiza a 50,14 el 29 de septiembre de 2022 y a 50,1 al día siguiente, lo que se acerca a la previsión. La previsión actual del modelo de crecimiento del PIB en el tercer trimestre es del 4,1%.
(3) Limitamos todas las variables observadas por cuatro componentes: factor global, factor de crecimiento, factor financiero y factor de inflación; cerca de 100 variables son examinadas bajo diferentes factores según la frecuencia mensual, y todas son tratadas año a año para eliminar la estacionalidad. Los resultados del modelo muestran que los factores implícitos de crecimiento, monetarios y de inflación extraídos de los datos macro coinciden con la experiencia histórica y pueden seguir utilizándose para el seguimiento global y la previsión de extrapolación.
Riesgo: Los resultados del modelo son sólo de referencia y los cambios en el entorno económico pueden afectar a los resultados del modelo.
