Registro completo de metadatos
Campo DC | Valor |
---|---|
dc.contributor.author | Camacho, Máximo |
dc.contributor.author | Lovcha, Yuliya |
dc.contributor.author | Pérez Quirós, Gabriel |
dc.coverage.spatial | Estados Unidos |
dc.date.accessioned | 2019-08-10T18:02:32Z |
dc.date.available | 2019-08-10T18:02:32Z |
dc.date.issued | 2012-10-10 |
dc.identifier.issn | ISSN: 1579-8666 (en línea) |
dc.identifier.uri | https://repositorio.bde.es/handle/123456789/7122 |
dc.description.abstract | We examine the short-term performance of two alternative approaches to forecasting using dynamic factor models. The fi rst approach extracts the seasonal component of the individual indicators before estimating the dynamic factor model, while the alternative uses the nonseasonally adjusted data in a model that endogenously accounts for seasonal adjustment. Our Monte Carlo analysis reveals that the performance of the former is always comparable to or even better than that of the latter in all the simulated scenarios. Our results have important implications for the factor models literature because they show that the common practice of using seasonally adjusted data in this type of model is very accurate in terms of forecasting ability. Drawing on fi ve coincident indicators, we illustrate this result for US data |
dc.description.abstract | En el trabajo se examina el comportamiento en predicción de dos aproximaciones alternativas a los modelos de factores dinámicos. La primera aproximación extrae el componente estacional de los indicadores individuales antes de estimar el modelo de factores dinámicos. La segunda utiliza series no ajustadas de estacionalidad en un modelo de factores que endógenamente realiza el ajuste estacional. Nuestro análisis de Montecarlo demuestra que el comportamiento de la primera aproximación es siempre igual o mejor que el de la segunda, sea cual sea el escenario simulado. Nuestros resultados tienen implicaciones muy relevantes sobre la literatura de modelos factoriales porque muestran que la práctica común de usar datos ajustados de estacionalidad en estos modelos es la apropiada y genera los mejores resultados en predicción. Usando cinco indicadores, ilustramos este resultado para el caso de Estados Unidos |
dc.format.extent | 31 p. : tab., gráf. |
dc.language.iso | eng |
dc.publisher | Banco de España |
dc.relation.ispartof | Documentos de Trabajo / Banco de España, 1235 |
dc.rights | Reconocimiento-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0) |
dc.rights | In Copyright - Non Commercial Use Permitted |
dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/4.0/deed.es_ES |
dc.rights.uri | http://rightsstatements.org/vocab/InC-NC/1.0/ |
dc.subject | Dynamic factor models |
dc.subject | Seasonal adjustment |
dc.subject | Short-term forecasting |
dc.subject | Modelo de factores dinámicos |
dc.subject | Ajuste estacional |
dc.subject | Predicción a corto plazo |
dc.title | Can we use sesonally adjusted indicators in dynamic factor models? |
dc.type | Documento de trabajo |
dc.identifier.bdebib | 000344623 |
dc.identifier.bdepub | DTRA-201235-eng |
dc.subject.bde | Predicción |
dc.subject.bde | Métodos estadísticos de simulación y métodos de Monte Carlo |
dc.publisher.bde | Madrid : Banco de España, 2012 |
dc.subject.jel | E32 |
dc.subject.jel | C22 |
dc.subject.jel | E27 |