Recursive identification, estimation and forecasting of nonstationary economic time series with applications to GNP international data

• Autores: Antonio García Ferrer, Juan Luis Hoyo Bernat, Alfonso Novales Cinca, Peter C. Young
• Localización: Documento de trabajo: Serie Econometría, Nº. 11, 1993, págs. 1-33
• Idioma: inglés
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    En este artículo se propone un modelo recursivo de componentes no observables, donde la variación de los parámetros está caracterizada por una formulación particular de espacio de los estados. La elección de las características que defmen cada componente está a medio camino entre una estrategia de optimización de la función objetivo y una aproximación Bayesiana: algunos parámetros necesitan ser elegidos, pero su número se reduce al mínimo, dándose algunos valores indicativos que ayuden a su elección. Se analizan observaciones del producto real anual de nueve países, a partir del modelo univariante y mediante la versión de función de transferencia de nuestro modelo de componentes no observables, utilizando para éste último la oferta monetaria como indicador líder. La capacidad predictiva de estos modelos es comparada con los resultados obtenidos en trabajos anteriores con el mismo conjunto de observaciones.

  • English

    In this paper we propose a recursive, unobserved components model, where parameter variation is characterized by a particular state space formulation. The choice about the characteristics that define each component are half way between an objetive function optimization strategy and subjective Bayesian approach: some parameter values need to be chosen, but these are reduced to a minimum, and some values are provided to aid in their choice. Annual real output data for nine countries are analyzed under both, the univariate and transfer function version of our unobserved componenets model, the latter using the money supply as a leading indicator. The performance of these models is compared with the forecasting results obtained in previous work with the same data set.