Beruflich Dokumente
Kultur Dokumente
fransmejia12@gmail.com
Introducción
• En el caso peruano la inflación se calcula a través del IPC. (base al 2009)
• La inflación subyacente se presenta desagregada en bienes y servicios.
• La inflación medida por la variación de IPC disminuyo, desde el 3.23% en el 2016, a
1.36% en el 2017.
• La inflación subyacente, pasó de 2,87% en 2016 a 2,15% en 2017
• Los bienes pasó de 3,4% en 2016 a 1,2% en 2017.
• Los servicios, de 2,5% a 2,7%, debido por los ajustes en los diferentes rubros.
Introducción
• Índice de Costo de Vida es elaborado por el INEI, lo identifica a través del
sistema de cálculo de índice de precios Laspeyres.
• Según el BCRP, la tasa de inflación se explica por alzas en los precios de
servicios (comidas fuera del hogar, educación, electricidad, artículos de
cuidado personal y en pasaje urbano) el cual explica1,7 puntos de los 3,2
puntos porcentuales de inflación.
• Variación porcentual promedio de los servicios ha sido de 2.43%, IPC total
2.93% y del IPC subyacente 2.17% (2002 al 2016).
Marco Teórico
• En el caso peruano, la inflación es medida por la variación del IPC, en el corto plazo puede haber factores con efectos
temporales en la inflación. La exclusión de estos factores nos permite tener una medida de la tendencia inflacionaria
denominada inflación subyacente.
• “Una medida de inflación subyacente para propuestas de política monetaria en Perú” (Francisco Grippa Zárate y
Guillermo Ferreyros Calderón, 2006).
• Javier Escobal, Marco Castillo (1994), en su documento “Sesgos en la medición de la inflación en contextos
inflacionarios: el caso peruano”, nos habla sobre la posible sobrevaluación del Índice de Precios al Consumidor de
Lima Metropolitana, partiendo de la teoría de los índices del costo de vida.
• Según en el trabajo de Salas (2008) titulado “¿Qué explica las fluctuaciones de la inflación en el Perú en el periodo
2002 – 2008?
• “Usando información adicional en la estimación de la brecha producto en el Perú: una aproximación multivariada de
componentes no observados” (Llosa y Miller, 2005).
Marco Teórico
• Según Medel (2016) “Forecasting Inflation with the Hybrid New Keynisian Philips
Curve: A Compact-Scale Global VAR Approach”.
• Según el trabajo de investigación de Adam y Padula (2011) titulado “Inflation
dynamics and subjective expectations in the United States
• Carré (2008) “The New Keynesian Phillips Curve: A Meta-Analysis”.
• En los últimos trabajos empíricos realizados la evolución de la tasa de inflación se
ha modelado a través de una curva Phillips neokeynesiana hibrida, enfocándose en
la dinamiza de corto plazo de la inflación mediante fundamentos microeconómicos.
Woordford (2003).
Metodologia
• Para la medición econométrica utilizaremos modelos vectoriales
autoregresivos (VAR) que nos ayudara a caracterizar las iteraciones
simultaneas en un grupo de variables.
• El modelo VAR es útil cuando hay certeza en:
-Simultaneidad entre un grupo de variables.
-Relaciones entre variables se transmiten a lo largo de un determinado número
de períodos.
Metodologia
• Esencia de los modelos VAR:
• Se propone un sistema de ecuaciones , con tantas ecuaciones como series a
predecir.
• No se distingue entre variables exógenas y endógenas.
• Cada variable es explicada por los retardos del si misma y los retardos de las
demás variables.
Metodología
• La expresión general de un modelo VAR vendría dada por la siguiente especificación:
Donde:
• yt = es un vector con las g variables objeto de predicción (llamémoslas explicadas).
• xt: es un vector de k variables que explican adicionalmente a las anteriores.
• Los coeficientes alpha y beta: son matrices de coeficientes a estimar.
• Épsilon: es un vector de perturbaciones aleatorias, que cumple el supuesto de (ruido blanco).
Para definir el orden del VAR, utilizaremos el test de Ratio de verisimilitud
Variables:
• YT: Inflación de servicios: indica el crecimiento generalizado de los precios de los servicios,
será estimado a través de CPHN. Observando los componentes y su influencia.
• X1: Inflación pasada: definida como la inflación (T-1), es decir con un periodo de retardo.
• X2: Expectativas de inflación: se define como la inflación esperada en el periodo siguiente
(T+1).
• X3: Tipo de cambio nominal:
• X4:Brecha de actividad respecto a su potencial: es la desviación del producto, efecto de su
nivel potencial, como una variable proxy al costo marginal real, suponiendo que :
• CMGR = ( yt – yt*)
Donde:
𝜋𝑠 : 𝑖𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛 𝑑𝑒 𝑠𝑒𝑟𝑣𝑖𝑐𝑖𝑜𝑠
𝜋𝑡−1 : 𝑖𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛 𝑝𝑎𝑠𝑎𝑑𝑎
𝜋 𝑒 : 𝑒𝑥𝑝𝑒𝑐𝑡𝑎𝑡𝑖𝑣𝑎𝑠 𝑑𝑒 𝑖𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛 − 𝑖𝑛𝑓𝑙𝑎𝑐𝑖𝑜𝑛 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎
𝑏𝑝: 𝑏𝑟𝑒𝑐ℎ𝑎 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜 (𝑃𝐵𝐼 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜 − 𝑃𝐵𝐼 𝑝𝑜𝑡𝑒𝑛𝑐𝑖𝑎𝑙)
𝑇𝐶𝑁: 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑐𝑎𝑚𝑏𝑖𝑜 𝑛𝑜𝑚𝑖𝑛𝑎𝑙
Problema presentado y solucion
• La serie del PBI (2002 al 2007), se encuentra en dos años bases diferentes. Es
decir para los datos a partir del 2007 hacia delante el año base es el 2007, y
para los datos a partir del 2002 al 2007, el año baso es del 1994.
• Ante este problema hemos visto por conveniente, empalmar la antigua serie
(2002-1 al 2006-12 base 1994) con la serie del nuevo período base 2007,
(2007-1 -2017-12 base2007).Utilizando el método de retropolacion, el cual
consiste en extender hacia tras la serie con base 2007, a partir de la tasa de
variación de la serie anterior con base 1994, es decir, aplicar las tasas de
variación de la serie base 1994 a la serie calculada en la nueva base 2007.
Problema presentado y solucion
• Por ejemplo, para t=2005, el cálculo para empalmar con la serie nueva
sería:
𝟎𝟓
𝑪𝟗𝟒
𝑪𝟎𝟓
𝟎𝟕 = 𝑪𝟎𝟔
𝟎𝟕 𝑿( 𝟎𝟔 )
𝑪𝟗𝟒
Estimación del PBI potencial - filtro
Christiano – Fitzgerald
• Dicho filtro se expresa como una media movil asimetrica.
• Su elección se sustenta en su capacidad de aislar también el componente de
alta volatilidad indeseado, para un estudio más apropiado de los ciclos
económicos (Castillo, Montoro, & Tuesta, 2002).
1000
40000
0
pbipotcris
30000
pbi
-1000
20000
10000
-2000
2002m1 2004m1 2006m1 2008m1 2010m1 2012m1 2014m1 2016m1 2018m1 2002m1 2004m1 2006m1 2008m1 2010m1 2012m1 2014m1 2016m1 2018m1
t t
Condición de estabilidad:
• Se necesita que este sea dinámicamente estable, quiere decir que frente a una
perturbación no anticipada de una variable, las demás variables regresen a su
trayectoria de equilibrio de largo plazo, de lo contrario el modelo es inestable
reflejando un comportamiento explosivo sin sentido económico (Loria, 2007).
• Por otro lado se dice que la condición de la estabilidad del VAR implica que su
primero y segundo momento, media y varianza, son estacionarios es decir son
independientes respecto al tiempo (Cueva, 2010).
En el cuadro siguiente notamos que todos los valores propios se encuentran dentro
del círculo unitario. El VAR satisface las condiciones de estabilidad.
Impulso Respuesta
• Es un instrumento útil para evaluar la congruencia y la sensibilidad dinámica
de las variables especificadas en el modelo.
• Además nos permiten conocer la respuesta dinámica de una determinada
variable del sistema ante choques (o cambios no anticipados) en alguna otra
variable.
.1
.1
.05
.05
0
-.05
0
0 5 10 15 20 0 5 10 15 20
step step
irf irf
0
-.005
-.01
-.02
-.015
0 5 10 15 20 0 5 10 15 20
step step
irf irf
Descomposición de la Varianza
• La descomposición de la varianza establece en qué medida (o en qué
porcentaje) una variable se ve influida por innovaciones en otra variable
(Cueva, 2008).
• Las descomposiciones de varianza indican el porcentaje de contribución de
los diferentes choques a los cambios en determinada variable.
.1
.1
.05
.05
0
-.05
0
0 5 10 15 20 0 5 10 15 20
step step
0
.2
-.005
.1
-.01
0
-.015
0 5 10 15 20 0 5 10 15 20
step step