redibacen: “métodos factoriales para pronóstico de variables

Comunicado de Prensa
No. 3/2013
REDIBACEN: “MÉTODOS FACTORIALES PARA PRONÓSTICO DE
VARIABLES MACROECONÓMICAS”
La Red de Investigadores del Banco Central de Reserva realizó este día la conferencia “Métodos
factoriales para pronóstico de variables macroeconómicas” presentado a los miembros de la Red por su
autora, la licenciada Julieta Fuentes, Senior del Departamento de Investigación Económica y Financiera
del Banco Central, informaron voceros de la Institución.
El trabajo presenta una herramienta para hacer predicciones económicas y financiares, para las
que usualmente se dispone de bases de datos extensas. Sin embargo, este modelo ofrece la posibilidad
de hacer un pronóstico más preciso con un menor número de variables, indicó la fuente.
La Licenciada Fuentes indicó que dependiendo de los datos que se estén procesando, se puede
desarrollar un modelo factorial para hacer pronósticos de crecimiento, empleo, inflación, entre otros.
El modelo tiene una formulación matemática compleja, pero al utilizarlo da resultados más exactos
sobre el comportamiento que en el futuro tendrán estas variables.
El trabajo tiene por objetivo mostrar un método alternativo para pronosticar variables dado que
los que tradicionalmente se han utilizado, denominados modelos factoriales, realizan los cálculos
utilizando una amplia gama de variables. En cambio este modelo, que siempre forma parte de los
modelos factoriales, se diferencia en que utiliza un grupo más pequeño de variables, para lo cual aplica
esos mínimos cuadrados parciales sparse. Siempre ha habido interés en la comunidad económica por
saber cuál es el futuro de las variables macroeconómicas, por lo que hay diferentes métodos para
aplicar y nuevos desarrollos orientados a estos modelos factoriales, entre los que está el de “Mínimos
Cuadrados Parciales Sparse en Series de tiempo para Pronóstico Macroeconómico”.
La expositora explicó que al aplicar este modelo, al examinar cómo el tamaño y la composición
de las bases de información afectan el desempeño del pronóstico, evidencia que incrementar el número
de variables no necesariamente mejorará los resultados. El resultado depende más bien del tipo de las
variables utilizadas, no tanto de la cantidad. Por lo tanto, el trabajo desarrollado por la Licenciada
Fuentes es un afinamiento de la metodología factorial que aporta al ámbito económico una nueva
herramienta.
Este trabajo fue realizado para hacer proyecciones de corto y mediano plazo para la inflación,
índice de producción industrial y empleo en los Estados Unidos de América, mostrando un mejor
desempeño y obteniendo un mejor resultado respecto a los modelos tradicionales que utilizan mayor
número de variables, concluyó la fuente.
San Salvador, 30 de enero de 2013.
DEPARTAMENTO DE COMUNICACIONES