Post on 11-Oct-2018
Pavel Vidal y Lya Paola Sierra. Departamento de Economía
Universidad Javeriana, Cali.
Indicador de Actividad Económica Mensual para el Valle del Cauca, IMAE*.
*Vidal, P., Sierra, L.P, Collazos, J and Sanabria, J. (In press). A monthly regional
indicator of economic activity: an application for Colombia. Latin American Research Review.
Motivación
• La publicación del PIB es anual y tiene un rezago de 10 meses.
• Sí se dispone de series históricas mensuales sobre diferentes variables relacionadas con la actividad económica del Valle del Cauca.
• Es de gran utilidad para los diferentes actores privados y públicos poder contar con un índice (indicador) que aproxime la situación económica de la región antes que el DANE publique los datos oficiales del PIB.
• Contribuye a la toma de decisiones en base a información temprana.
Algunos ejemplos internacionales
https://www.chicagofed.org/publications/cfnai/index
Chicago Fed National Activity Index (CFNAI)
Aruoba-Diebold-Scotti Business ConditionsIndex
UAM-UCM SpanishEconomicCompositeIndicators
Algunos ejemplos nacionales:Para Colombia
• Índice mensual de actividad económica (IMACO) of Banco de la República, Kamil, Pulido y Torres(2010).
• Indicador de seguimiento a la economía (ISE).
• Indicadores sectoriales adelantados de actividad en colombia(ISAAC).
Literatura relacionada en Colombia
• Identificación del ciclo de una variable de referencia y puntos de inflexión: Avella y Fergusson (2004); Arango y Melo (2006) Arango, Arias, Flórez y Jalil (2008); y Alfonso, Arango, Arias, Cangrejo y Pulido (2012).
• Índice coinsidente: Nieto (2003), Melo y Nieto (2001) , Melo, Nieto, Posada, Betancourt y Barón (2001)
• Índice líder: Melo, Nieto y Ramos (2003), Rozo (2008), Marcillo (2013), Kamil, Pulido y Torres (2010), IMACO, Rozo (2008).
• Otras metodologías: Mejía, Monsalve, Parra, Pulido y Reyes (2013) Indicadores Sectoriales Adelantados de Actividad –ISAAC-, DANE, Indicador de Seguimiento a la Economía –ISE–.
Estrategia Empírica: 5 pasos
Paso 1: Se seleccionan y transforman las variables
Paso 2: Se estima un factor común (co-movimiento) entre las series (MFD)
Paso 3: Se incluye la información del PIB anual (Mensualización con el método de Litterman, 1983)
Paso 4: Se suaviza el indicador (Modelos estructurales univariantes, Harvey, 1989): IMAE
Paso 5: Se estima la tasa de crecimiento del PIB y se realiza el análisis de la coyuntura
Estrategia empírica. Paso 1
1. Se analizaron inicialmente 31 variables mensualesrelacionadas con la actividad económica del departamento.
Seleccionamos variables con los siguientes criterios: De alta frecuencia (variables mensuales).
Disponibles para el periodo de enero 2000 hasta marzo 2015
Relevantes para la región
Altamente relacionadas con el PIB anual.
Variables con menor rezago en su publicación mensual.
Variables seleccionadas
Variable Información que contiene
1) CAN: caña molida (Valle) Agricultura
2) CEM: despachos de cemento (Valle) Construcción y vivienda
3) ENER: consumo de energía del sector no residencial (Valle)
Actividad empresarial en general(incluyendo comercio y servicios)
4)VEH: venta de vehículos nuevos (Valle)Ingreso de los hogares, consumo, condiciones de
crédito5) X: exportaciones (Valle) Actividad empresarial6) IPIR: Índice de Producción Industrial Regional(Valle)
Industria
7) M: Importaciones (Valle) Actividad empresarial, comercio, consumo
Transformaciones
-4
-3
-2
-1
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014
CAN
-4
-2
0
2
4
2000 2002 2004 2006 2008 2010 2012 2014
CEM
-6
-4
-2
0
2
4
2000 2002 2004 2006 2008 2010 2012 2014
ENER
-3
-2
-1
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014
VEH
-3
-2
-1
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014
X
-4
-3
-2
-1
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014
M
-3
-2
-1
0
1
2
3
2000 2002 2004 2006 2008 2010 2012 2014
IPIR
A las 7 variables se le aplicaron las siguientes transformaciones: Se eliminó estacionalidad y valores atípicos (TRAMO-
SEATS). Se diferenciaron las series para que fueran estacionarias. Se estandarizaron.
Paso 2 Estimación del indicador con el MFD y el Filtro de Kalman
donde,
Yt es un vector con las siete variables mensuales consideradas P es la matriz de carga de los factores (pesos)Ft es el factor común (indicador de actividad económica)A(L) y B(L) las estructuras autorregresivas (dinámica). Para ambos componentes especificamos procesos AR(1)
Ecuación de medida:
𝑌𝑡 = P 𝐹𝑡 + 𝜇𝑡
Factor común:
𝐴 𝐿 𝐹𝑡 = 𝜀𝑡
Componente idiosincrático:
𝐵 L μt = 𝑎t
Paso 2 Estimación del indicador con el MFD y el Filtro de Kalman
En un 46% el indicador está compuesto por la industria y el consumo (aproximado por la venta de vehículos). Le siguen en importancia las variables del sector externo.
El Factor contiene demasiado “ruido”. Se necesita aplicar algún método para suavizarlo, para extraer una señal menos volatil que efectivamente ayude al monitoreo y la toma de decisiones en la región.
P (pesos)1) Caña molida 0.06
2) Despachos de cemento 0.06
3) Consumo de energía0.12
4) Venta de vehículos nuevos0.24
5) Exportaciones 0.16
6) IPI regional0.22
7) Importaciones 0.15
-2,5
-2
-1,5
-1
-0,5
0
0,5
1
1,5
2
ene.
-00
sep
.-0
0
may
.-0
1
ene.
-02
sep
.-0
2
may
.-0
3
ene.
-04
sep
.-0
4
may
.-0
5
ene.
-06
sep
.-0
6
may
.-0
7
ene.
-08
sep
.-0
8
may
.-0
9
ene.
-10
sep
.-1
0
may
.-1
1
ene.
-12
sep
.-1
2
may
.-1
3
ene.
-14
sep
.-1
4
Ft: Factor común
Paso 3: se ajusta a las tasas de crecimientos anuales del PIB en 2001-2014
Se busca que los ciclos del indicador tengan mayor coherencia con las tasas anuales de crecimiento del PIB en el período en que se dispone de esta información.
Para ello, se mensualiza el PIB anual 2001-2014 con la versión 1 del indicador siguiente el método de Litterman (1983)
-0,0080
-0,0060
-0,0040
-0,0020
0,0000
0,0020
0,0040
0,0060
0,0080
0,0100
0,0120
0,0140
ene.
-00
ago
.-0
0
mar
.-0
1
oct
.-0
1
may
.-0
2
dic
.-0
2
jul.-
03
feb
.-0
4
sep
.-0
4
abr.
-05
no
v.-0
5
jun
.-0
6
ene.
-07
ago
.-0
7
mar
.-0
8
oct
.-0
8
may
.-0
9
dic
.-0
9
jul.-
10
feb
.-1
1
sep
.-1
1
abr.
-12
no
v.-1
2
jun
.-1
3
ene.
-14
ago
.-1
4
mar
.-1
5
Paso 4: Suavizado del indicador: Modelo Estructural Univariante
Los MEU representan un método de extracción de señales, basado en modelos, a diferencia de los métodos empiricistas. Separa la tendencia del ciclo (Harvey, 1989)
Para el indicador se estima un ciclo de período de 4 años y 7 meses más un componente irregular AR(1).
tt t tty
tttt
1
ttt
1
t
s
j
1
0
t
tctct
sen 11
cos
tt
ctct
sen11
cos
2000 2005 2010 2015
-0.0025
0.0000
0.0025
0.0050
Cyc3_Var1
2000 2005 2010 2015
-0.005
0.000
0.005 Ar1_Var1
Paso 5: Se estima la tasa de crecimiento del PIB
PIB Valle del CaucaAño 2015: 4,0%2016 1T: 4,6%2016 2T: 3,4%
Correlaciones del IMAE con:
ISE IMACO PIB anual Valle
0.45 0.34 0.84
0
2
4
6
8
10
-0,35%
-0,20%
-0,05%
0,10%
0,25%
0,40%
0,55%
ene.
-01
jun
.-0
1
no
v.-0
1
abr.
-02
sep
.-02
feb
.-0
3
jul.-
03
dic
.-0
3
may
.-04
oct
.-0
4
mar
.-05
ago
.-0
5
ene.
-06
jun
.-0
6
no
v.-0
6
abr.
-07
sep
.-07
feb
.-0
8
jul.-
08
dic
.-0
8
may
.-09
oct
.-0
9
mar
.-10
ago
.-1
0
ene.
-11
jun
.-1
1
no
v.-1
1
abr.
-12
sep
.-12
feb
.-1
3
jul.-
13
dic
.-1
3
may
.-14
oct
.-1
4
mar
.-15
ago
.-1
5
ene.
-16
jun
.-1
6
Tasa de crecimiento anual del PIB, DANE (eje derecho) IMAE
a) Enero 2001- Junio 2016
IMAE y estimaciones del PIB
Fuente: Cálculos propios
2009 2010 2011 2012 2013 2014
Pronóstico anual con IMAE(out-of-sample)
0,0% 1,6% 4,6% 3,3% 4,7% 4,9%
Real DANE 0,7% 1,6% 4,5% 3,8% 4,6% 4,7%
0,0%
1,0%
2,0%
3,0%
4,0%
5,0%
6,0%
Tasa de variación PIB real Valle
Error absoluto medio: 0,17%