Ayuda
Ir al contenido

Dialnet


Nowcasting Economic Activity with Electronic Payments Data: A Predictive Modeling Approach

    1. [1] Banco de la República (Colombia)
  • Localización: Revista de economía del Rosario, ISSN 0123-5362, Vol. 21, Nº. 2, 2018, págs. 381-407
  • Idioma: inglés
  • Títulos paralelos:
    • Predição imediata da atividade econômica com dados de pagamentos eletrônicos. Um enfoque de modelado preditiv
    • Predicción inmediata de la actividad económica con datos de pagos electrónicos. Un enfoque de modelado predictivo
  • Enlaces
  • Resumen
    • español

      La predicción inmediata de la actividad económica (es decir, hacer estimaciones del período actual), es conveniente porque la mayoría de las medidas tradicionales de actividad econó-mica se realizan con rezagos sustanciales. Nuestro objetivo es predecir el ISE, un indicador de actividad económica de corto plazo en Colombia. Las entradas son los rezagos del ISE y un conjunto de datos de pagos realizados entre individuos, empresas y el gobierno central, mediante transferencias electrónicas y cheques. Bajo un enfoque de modelado predictivo, empleamos un modelo de red neuronal exógena autoregresiva no lineal. Los resultados sugieren que nuestra elección de insumos y el método predictivo, nos permiten difundir la actividad económica con una precisión razonable. Además, validamos que los datos de pagos electrónicos reducen significativamente el error de predicción en un modelo de red neuronal autoregresiva de referencia. La predicción inmediata de la actividad económica con datos de los instrumentos de pago electrónicos, no solo contribuye a la toma de deci-siones de los agentes y al modelado económico, sino que también soporta nuevas vías de investigación sobre cómo utilizar dichos datos en modelos actuales.

    • português

      A predição imediata da atividade econômica (é dizer, fazer estimações do período atual), e conveniente porque a maioria das medidas tradicionais de atividade econômica realizam-se com atrasos substanciais. O nosso objetivo é predizer o ise, um indicador de atividade econômica de curto prazo na Colômbia. As entradas são os atrasos do ise e um conjunto de dados de pagamentos realizados entre indivíduos, empresas e o governo central, mediante transferências eletrônicas e cheques. Sob um enfoque de modelado preditivo, empregamos um modelo de rede neuronal exógena auto regressiva não lineal. Os resultados sugerem que nossa eleição de insumos e o método preditivo, nos permitem difundir a atividade econômica com uma precisão razoável. Além disso, validamos que os dados de pagamentos eletrônicos reduzem significativamente o erro de predição em um modelo de rede neuronal auto regressiva de referência. A predição imediata da atividade econômica com dados dos instrumentos de pagamento eletrônico, não só contribui à tomada de decisões dos agentes e ao modelado econômico, senão que também suporta novas vias de pesquisa sobre como utilizar ditos dados em modelos atuais.

    • English

      Economic activity nowcasting (i. e., making current-period estimates) is convenient be-cause most traditional measures of economic activity come with substantial lags. We aim at nowcasting ise, a short-term economic activity indicator in Colombia. Inputs are the ise’s lags and a dataset of payments made with electronic transfers and cheques among individuals, firms, and the central government. Under a predictive modeling approach, we employ a non-linear autoregressive exogenous neural network model. Results suggest that our choice of inputs and predictive method enable us to nowcast economic activity with fair accuracy. Also, we validate that electronic payments data significantly reduce the nowcast error of a benchmark non-linear autoregressive neural network model. Now-casting economic activity from electronic payment instruments data not only contributes to agents’ decision making and economic modeling, but also supports new research paths on how to use retail payments data for appending current models.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno