En este trabajo se presentan modelos de series de tiempo que incorporan información de frecuencia mixta de precios, con el objeto de proyectar en tiempo real la inflación de algunos componentes del IPC de Chile. Específicamente, los modelos en cuestión utilizan precios semanales obtenidos desde los dos principales supermercados de Chile, combinándolos con variables autorregresivas y medias móviles de frecuencia mensual. Luego, se selecciona el mejor modelo de proyección, de acuerdo a la menor raíz del error cuadrático medio fuera de muestra. La capacidad predictiva de estos modelos en tiempo real se compara con modelos de referencia para las proyecciones de inflación. Los resultados muestran que hay ganancias en predictibilidad, y, a pesar de las pocas observaciones que se tienen, las diferencias resultan ser significativas de acuerdo a los análisis realizados con varios tests estándar de la literatura.
This paper develops time series models that incorporate mixed-frequency data of prices in order to yield a real-time forecast of the inflation of some CPI components in Chile. Specifically, the models use weekly prices obtained from the two main Chilean supermarket chains, in addition to autoregressive variables and monthly moving averages. The selection of the best forecasting model is made according to the lowest out-of-sample root mean squared error criterion. The predictive ability of these models in real-time is then compared with simple benchmark models. The results show that significant gains in predictability can be made by using the weekly data, despite the small number of observations available. This difference is significant according to several standard tests used in the related literature.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados