Resumen de Markov-switching three-pass regression filter
Pierre Guérin, José Danilo Leiva León, Massimiliano Marcellino
En este artículo se presenta un nuevo enfoque para la estimación de modelos de factores de gran dimensión cuyas cargas de factores están sujetas a cambios markovianos de régimen. Dicho enfoque consiste en una extensión del filtro de regresión de tres pasos lineal a casos en los cuales los parámetros del modelo puedan cambiar en función de procesos markovianos. El método propuesto en este artículo, denominado «filtro de regresión de tres pasos con cambios markovianos» (MS-3PRF), es adecuado para tratar bases de datos que contengan un gran número de variables, ya que la estimación y la inferencia son directas, a diferencia de métodos alternativos, en donde la compleja estimación limita su uso a aplicaciones que envuelven pocas variables. Las propiedades en muestra finita del método propuesto se estudian con experimentos de Monte Carlo. Los resultados indican que, cuando los factores de carga están sujetos a inestabilidades, el método propuesto posee una mayor habilidad predictiva que métodos alternativos existentes en la literatura. Esta superioridad en términos predictivos también se observa en dos aplicaciones empíricas enfocadas a pronosticar la actividad económica y los tipos de cambio bilaterales.
