Resumen de Modelo Nowcast con Factores Dinámicos para la estimación trimestral del PIB real para el Ecuador

Francisco Javier López, Emanuel Yaselga

• español

  La publicación del Producto Interno Bruto (PIB) en el Ecuador tiene un rezago aproximadamente de tres meses. Por este motivo, se propone la implementación de metodologías nowcasting mediante factores dinámicos que permiten explotar información con menor periodicidad para estimar variables con mayor periodicidad. En este estudio se presentan dos modelos Nowcast (EMOE – 31 variables, 5 factores y 5 rezagos; y, Ventas Agregadas – 25 variables, 4 factores y 5 rezagos). Adicionalmente, la coyuntura del COVID-19 representa un desafío adicional en la estimación de estos modelos en el corto plazo porque produjo quiebres o cambios temporales en algunos indicadores económicos, por lo que se realizaron ajustes (incluir una dummy en el trimestre de caída más fuerte del PIB; y, utilizar el ciclo del PIB para suavizar la caída de la economía, reestimar los modelos y ajustar los resultados a la tasa de crecimiento mediante modelos de corrección de error) para contrarrestar los efectos temporales que podría tener la caída del PIB en las estimaciones subsecuentes. La evaluación de la capacidad predictiva de los modelos sugiere que los modelos Nowcast propuestos tienen un mejor ajuste fuera de la muestra que los modelos ARIMA(4,3) y ARIMAX.

• English

  In Ecuador the publication of the Gross Domestic Product (GDP) lags approximately by three months. For this reason, we propose the implementation of nowcasting methodology using dynamic factors that use data published with less periodicity to estimate variables with greater periodicity. In this paper, two Nowcast models are presented (EMOE - 31 variables, 5 factors and 5 lags; and, Aggregate Sales - 25 variables, 4 factors and 5 lags). Additionally, the COVID-19 represents a new challenge in the estimation capacity of these models in the short term because it produced breaks or temporary changes in some economic indicators, for which adjustments were made (the inclusion of a dummy in the quarter with the sharpest fall in GDP; and the use of the GDP cycle to smooth the downturn of the economy, followed by a re-estimation of the models and adjustments of the results to the growth rate using error correction models) to counteract the temporary effects that the fall in GDP could have on subsequent estimates. The evaluation of the predictive capacity of the models suggests that the proposed Nowcast models have a better out-of-sample fit than the ARIMA(4,3) and ARIMAX models.