Un nuevo modelo de inflación, inflación de tendencia y

Expectativas de inflación a largo plazo

Joshua C.C. Chan

University of Technology Sydney
Todd Clark Gary Koop
Federal Reserve Bank of Cleveland University of Strathclyde
May 10, 2017

Resumen: El conocimiento del nivel de inflación tendencial es clave para muchas

decisiones políticas actuales y existen varios métodos para estimar dicha tendencia. Este
documento se suma a la creciente literatura que utiliza pronósticos de inflación a largo
plazo basados en encuestas para estimar la inflación tendencial. Desarrollamos un modelo
bivariante de inflación y pronósticos de inflación a largo plazo que permite estimar el
vínculo entre la inflación tendencial y el pronóstico a largo plazo. Por lo tanto, nuestro
modelo permite las posibilidades de que los pronósticos a largo plazo tomados de las
encuestas se puedan equiparar con la inflación tendencial, que los dos no guardan relación
alguna, o que existe algo intermedio. Al incluir la volatilidad estocástica y la variación
temporal en los coeficientes, amplía los métodos existentes empíricamente de manera
importante. Utilizamos nuestro modelo con una variedad de medidas de inflación y
pronósticos basados en encuestas para varios países. Encontramos que las predicciones a
largo plazo pueden brindar una ayuda sustancial para refinar las estimaciones, ajustar y
pronosticar la inflación. La misma evidencia indica que es menos útil simplemente
equiparar la inflación tendencial con las previsiones a largo plazo.
Palabras clave: Inflación de tendencia, expectativas de inflación, modelo espacial estatal,
volatilidad estocástica
Clasificación JEL: C11, C32, E31

1. Introducción
Como es evidente en los comentarios públicos (ver, por ejemplo, Bernanke 2007 y Mishkin
2007), los banqueros centrales y otros legisladores prestan considerable atención a las

 Los autores agradecen la excelente asistencia en investigación de Christian Garciga y los útiles comentarios de
Edward Knotek, Elmar Mertens, Mike West, colegas del Banco de la Reserva Federal de Cleveland, participantes en el
seminario del Deutsche Bundesbank y participantes en el taller del Banco Nacional de Polonia en 2015 previsión. Las
opiniones expresadas en este documento son exclusivas de los autores y no reflejan necesariamente los puntos de
vista del Banco de la Reserva Federal de Cleveland, el Sistema de la Reserva Federal o cualquiera de sus empleados.
Joshua Chan desea agradecer el apoyo financiero del Australian Research Council a través de Discovery Project
(DP170101283).
medidas de las expectativas de inflación a largo plazo. Se considera que estas expectativas
arrojan luz sobre la credibilidad de la política monetaria. Las herramientas de política
monetaria funcionan de manera diferente si las expectativas de inflación a largo plazo
están firmemente ancladas que si no lo están. En general, se considera que la política
monetaria es más efectiva cuando las expectativas de inflación a largo plazo son estables.
Estas consideraciones han contribuido al desarrollo de una gran cantidad de literatura
sobre la medición de las expectativas de inflación a largo plazo. Un enfoque simple es
confiar en las estimaciones directas de las expectativas de inflación a partir de encuestas de
profesionales o consumidores. Por ejemplo, comentarios de la Reserva Federal como
Mishkin (2007) incluyen expectativas a largo plazo basadas en la Encuesta de
pronosticadores profesionales (SPF) proyección de inflación promedio 1 a 10 años más
adelante.
Otros enfoques se centran en las estimaciones econométricas de la inflación tendencial.
Una gran cantidad de literatura usa métodos econométricos para estimar las tendencias de
inflación y pronosticar la inflación (ver, entre muchos otros, Stock y Watson 2007, Chan,
Koop y Potter 2013, y Clark y Doh 2014).  Una porción de esta literatura combina modelos
econométricos de tendencia con la información en encuestas (ver, entre otros, Kozicki y
Tinsley 2012, Wright 2013, Nason y Smith 2014, Mertens 2016 y Del Negro, et al. 2017). 
En los últimos años, algunos países han experimentado periodos de inflación prolongados
que se ubican por debajo de las estimaciones basadas en encuestas de las expectativas de
inflación a largo plazo. Por ejemplo, Fuhrer, Olivei y Tootell (2012) muestran que la
inflación real en Japón se mantuvo por debajo de las expectativas de inflación a largo plazo
(basadas en encuestas) en su muestra, desde principios de la década de 1990 hasta 2010.
Más recientemente, en los Estados Unidos, para cada año entre 2008 y 2016, la inflación
en el índice de precios del PCE subyacente fue inferior al pronóstico de largo plazo del SPF
de aproximadamente el 2 por ciento (que coincide con el objetivo oficial de inflación de la
Reserva Federal).
Aunque las expectativas de inflación basadas en encuestas han sido estables, la inflación
real ha sido lo suficientemente baja como para extraer algunas estimaciones econométricas
comunes de la inflación tendencial bien por debajo del 2 por ciento (véase, por ejemplo,
Bednar y Clark 2014). Estas experiencias plantean la cuestión de si es posible que las
expectativas de inflación basadas en encuestas se desconecten de la inflación real. Tal

 También se pueden obtener estimaciones directas de las expectativas de inflación en función de la relación entre los
bonos nominales y los reales. Sin embargo, las estimaciones de la inflación de equilibrio calculada utilizando estos suelen
estar disponibles solo por un corto período de tiempo. Y hay razones para esperar que la inflación de equilibrio pueda
reflejar factores distintos a las expectativas de inflación a largo plazo (por ejemplo, si la prima de riesgo varía con el
tiempo). Faust y Wright (2013) lo encuentran demasiado volátil como para ser un pronóstico sensato para la inflación
esperada a largo plazo. Por estas razones, no usamos los datos de inflación de equilibrio en este documento.
 Se remite al lector a Faust y Wright (2013) para una encuesta reciente sobre pronósticos de inflación, que incluye una
discusión de encuestas de inflación y métodos para estimar la inflación tendencial.
 Algunos modelos de DSGE -desarrollados en Del Negro y Schorfheide (2013) y referencias en el mismo- tratan el
objetivo de inflación del banco central como un proceso aleatorio e incluyen medidas de encuesta de las expectativas de
inflación a largo plazo como indicadores del objetivo en la estimación del modelo. En una línea diferente, Aruoba (2016)
desarrolla un modelo econométrico de tres factores del término estructura de expectativas de inflación.
 Esta declaración se basa en las tasas de inflación de Q4 / Q4 para cada año. La declaración también se aplica a la
inflación general, excepto que la inflación general aumentó por encima del dos por ciento durante un año, 2011.
desconexión (si es irracional) haría que tales expectativas sean menos útiles para medir la
credibilidad de la política monetaria y para pronosticar la inflación.
En este documento desarrollamos un nuevo modelo para examinar la relación entre la
inflación, las expectativas de inflación a largo plazo y la inflación tendencial. Nos basamos
en artículos como Kozicki y Tinsley (2012) utilizando modelos que son más flexibles en
direcciones empíricamente importantes, extendiendo el trabajo reciente con modelos de
componentes no observables con volatilidad estocástica (UCSV) como Stock y Watson
(2007, 2015), Chan, Koop y Potter (2013), Clark y Doh (2014), Garnier, Mertens y Nelson
(2015) y Mertens (2016). Papeles como Kozicki y Tinsley (2012) equiparan los pronósticos
a largo plazo con la inflación tendencial. De forma similar, las estimaciones econométricas
de la inflación tendencial a veces se calibran para que coincidan con las encuestas.
También utilizamos el trabajo de Nason y Smith (2014, 2016) que considera la posible
desconexión entre la inflación y las expectativas de inflación a corto plazo en el contexto de
un modelo simple de componentes no observados.
Nuestro modelo nos permite evaluar la evidencia de los vínculos entre la inflación
tendencial y las expectativas de inflación a largo plazo que se han asumido en algunas de
las publicaciones mencionadas. Por ejemplo, el modelo de Mertens (2016) supone que la
inflación tendencial se mueve uno a uno con las expectativas de inflación a largo plazo,
pero permite una diferencia constante en los niveles de inflación tendencial y las
expectativas de inflación a largo plazo. Nuestro enfoque nos permite evaluar la evidencia a
favor de tales restricciones. Podemos estimar la relación para investigar si igualar la
inflación tendencial con las expectativas de inflación basadas en encuestas mejora el
modelo de inflación. Nuestro modelo permite que la relación varíe con el tiempo, de
manera que la inflación tendencial puede ser igual a las predicciones proporcionadas en las
encuestas en algunos momentos, pero en otros puntos en el tiempo los pronósticos pueden
proporcionar estimaciones tendenciosas o ineficientes de la inflación tendencial. Incluimos
comparaciones con otras versiones restringidas del modelo para evaluar la importancia de
dicha variación de tiempo para la estimación de la tendencia, el ajuste del modelo y la
previsión. Otro punto de partida de la literatura existente es que, en nuestro modelo base
(aunque no en todos nuestros modelos), solo utilizamos datos de encuestas sobre
pronósticos de inflación a largo plazo, lo que nos permite evitar el uso de una subsidiaria
(posiblemente mal especificada) modelo que vincula los pronósticos a corto plazo con las
expectativas de inflación a largo plazo.
En nuestro trabajo empírico, comparamos el ajuste y el rendimiento de predicción de
nuestro modelo con alternativas más restringidas y algunos otros modelos de la literatura,
utilizando datos tanto para EE. UU. Como para algunos otros países. Nos centramos en los
resultados para la inflación del IPC y las expectativas de inflación de Blue Chip y
mostramos que nuestros resultados clave son sólidos para otras dos opciones de datos para
EE. UU. Presentamos evidencia de que las extensiones sobre enfoques más simples como
la adición de volatilidad estocástica y coeficientes variables en el tiempo son importante en
la práctica. Las medidas basadas en encuestas de las expectativas de inflación resultan
útiles para estimar la inflación tendencial, produciendo estimaciones más suaves y precisas
que un modelo UCSV.
Sin embargo, también presentamos evidencia de que las medidas basadas en encuestas no
deberían simplemente equipararse con la inflación tendencial; la relación entre los dos es
más complicada y, en algunos casos, variable en el tiempo. Incluimos los resultados de un
ejercicio de pronóstico de pseudo-fuera de la muestra, que muestra que los pronósticos de
punto y densidad de nuestro modelo son al menos tan buenos como los de otros modelos
que se han encontrado exitosos en la literatura de pronóstico de inflación. Después de
establecer estos resultados en los datos de EE. UU., Consideramos las estimaciones del
modelo basadas en la inflación y las expectativas de la encuesta a largo plazo para Italia,
Japón y el Reino Unido. Para estos países, sigue siendo cierto que la evidencia indica que
las expectativas de la encuesta a largo plazo son útiles para la estimación de la tendencia, el
ajuste del modelo y la previsión. Aunque para Italia los datos indican que la encuesta y la
inflación tendencial se mueven uno a uno sin sesgo, por Japón y el Reino Unido, los datos
respaldan una relación más flexible.
Aunque nuestro principal trabajo empírico no aborda directamente la cuestión de por qué
las encuestas a largo plazo pueden diferir de la inflación tendencial, la última sección de
este documento incluye algunas discusiones sobre este tema a la luz del trabajo reciente
sobre diversos temas, incluido el trabajo sobre rigideces informativas en las previsiones de
los profesionales de Coibion y Gorodnichenko (2015) y Mertens y Nason (2015).

2 Modelo econométrico de la inflación de tendencia

Como se discutió en fuentes como Mertens (2016), un marco de componentes no
observado se usa comúnmente para modelar la inflación, πt, como compuesta de inflación
de tendencia (o subyacente), π * t, y una desviación de la tendencia, la brecha de inflación,
ct :
πt = π∗t + ct. (1)
La tendencia en la inflación se define (en consonancia con la descomposición de Beveridge-
Nelson) como el pronóstico del horizonte infinito de inflación condicionado al conjunto de
información disponible en el período t, denotado Ωt:

lim E [π t+j |Ωt ] = π ∗t , (2)

j→∞

lo que implica un proceso de paseo aleatorio para la tendencia π * t y una brecha de

inflación estacionaria, media cero, ct.
Hay muchos modelos econométricos posibles consistentes con esta descomposición
simple, y pronto abogaremos por un marco de modelado particular. Pero la justificación
básica para usar encuestas de pronósticos a largo plazo se puede ver claramente en (2). Si
los encuestados en el tiempo t sobre qué inflación será en el período t + j son
pronosticadores racionales, se puede esperar que informen E [πt+jjΩt]. Por lo tanto,
utilizando (2), los pronósticos de inflación a largo plazo corresponderán a la inflación
tendencial, π∗ t. Hay varias formas en que esta relación más los datos sobre pronósticos a
largo plazo realizados en el momento t (zt) pueden utilizarse para producir estimaciones
de la inflación tendencial actual, con Kozicki y Tinsley (2012) como un enfoque reciente
influyente.
Sin embargo, hay razones para ser cauteloso al simplemente equiparar los pronósticos a
largo plazo de las encuestas con las tendencias de la inflación, en parte a la luz de las
simples observaciones sobre las experiencias recientes en los EE. UU. Y Japón que se
mencionaron en la introducción. Por ejemplo, las encuestas pueden producir pronósticos
que son parciales, al menos en algunos momentos. Los pronósticos de la encuesta en
horizontes largos también podrían no moverse uno a uno con la inflación tendencial. Las
encuestas también pueden contener algo de ruido, debido a factores tales como cambios en
los participantes de una fecha de la encuesta a otra. Además, artículos como Coibion y
Gorodnichenko (2015) y Mertens y Nason (2015) encuentran evidencia de rigideces
informacionales tales que los pronosticadores profesionales son lentos para ajustar sus
expectativas. En consecuencia, deseamos una especificación econométrica que nos permita
estimar la relación entre la inflación tendencial y la expectativa a largo plazo de los
pronosticadores en lugar de imponer una forma particular. En nuestro modelo, es posible
encontrar un pronóstico de que los pronósticos a largo plazo tomados de las encuestas se
puedan equiparar con la inflación tendencial, pero no se asume a priori.
El trabajo anterior también sugiere muchas otras características deseables que queremos
que tenga nuestro modelo econométrico. Primero, Faust y Wright (2013) encuentran
mejoras en el desempeño del pronóstico al usar la brecha de inflación (en oposición a la
inflación misma) como una variable dependiente y modelar la brecha de inflación como la
desviación de la inflación real de una tendencia que evoluciona lentamente. Muchos de los
otros estudios mencionados anteriormente con tendencias de inflación variables en el
tiempo se enfocan en una brecha de inflación. Nuestra especificación econométrica sigue
esta práctica.
En segundo lugar, la brecha de inflación, ct, debe ser estacionaria, pero puede exhibir
persistencia. Por ejemplo, un banco central puede tolerar desviaciones de la inflación de
una tendencia u objetivo durante un cierto período de tiempo, siempre que tales
desviaciones sean temporales. Además, la tolerancia del banco central para tales
desviaciones puede cambiar con el tiempo. Por ejemplo, Chan, Koop y Potter (2013)
discuten cómo la alta inflación en la década de 1970 se debió en parte a la combinación de
una gran brecha de inflación (con solo un pequeño aumento en la inflación tendencial) con
una Reserva Federal tolerante de un alto grado de persistencia de brecha de inflación
Cuando Paul Volcker se convirtió posteriormente en el presidente de la Reserva Federal,
esta tolerancia disminuyó y la persistencia de la brecha de inflación se redujo. Queremos
que nuestro modelo sea capaz de acomodar tales cambios en la persistencia.
Tercero, una gran cantidad de artículos, como Stock y Watson (2007), han encontrado la
importancia de permitir la volatilidad estocástica, no solo en la ecuación de inflación sino
también en las ecuaciones de estado que describen la evolución de la inflación tendencial.
Incluimos esta característica en todos nuestros modelos.
Finalmente, un tema general de muchos artículos sobre modelos de inflación, como Faust y
Wright (2013) y Stella and Stock (2013), es la predictibilidad variable en el tiempo. Las
características de persistencia y volatilidad estocástica variables en el tiempo mencionadas
anteriormente son dos de estas fuentes de predictibilidad variable en el tiempo, que se
acomodan con las características del modelo mencionadas anteriormente. El trabajo de
D'Agostino, Gambetti y Giannone (2013) también indica que los parámetros variables en el
tiempo son útiles para predecir la precisión. Por consiguiente, queremos un modelo que
tenga no solo volatilidad estocástica sino también parámetros variables en el tiempo (TVP).
2.1 Modelo de referencia
Todas estas características están integradas en el siguiente modelo extremadamente
flexible, que debería ser capaz de acomodar cualquier propiedad empírica relevante de los
datos sobre inflación (πt) y la expectativa de inflación basada en encuestas (zt). (Tenga en
cuenta que todos los errores definidos en el modelo a continuación son independientes en
el tiempo y entre sí). Nos referimos a esta especificación como modelo M1:
π t − π ∗t = bt (π t−1 − π ∗t−1 ) + vt , (3)
zt = d0t + d1t π ∗t + εz,t + ψεz,t−1 , εz,t ∼ N (0, σ 2z)(4)
π ∗t = π ∗t−1 + nt , (5)
bt = bt−1 + εb,t, εb,t ∼ T N (0, σ2b), (6)
dit − µdi = ρdi (di,t−1 − µdi) + εdi,t, εdi,t ∼ N (0, σ2 d), i = 0, 1, (7)
i
v,tεv,t, εv,t ∼ N (0, 1),
vt = λ0.5 (8)
nt = λ0.5n, εn,t, εn,t ∼ N (0, 1), (9)
t
log(λi,t) = log(λi,t−1) + νi,t, νi,t ∼ N (0, φi), i = v, n. (10)

En este modelo, la brecha de inflación π t − π ∗t sigue un proceso AR (1) con un coeficiente

variable en el tiempo y volatilidad estocástica. Permitiendo que bt sea variable en el tiempo
acomoda cambios potenciales en el grado de persistencia en la brecha de inflación. Tenga
en cuenta que truncamos las innovaciones al coeficiente AR (1) en (6) para asegurar que la
brecha de inflación sea estacionaria en cada punto del tiempo (TN (μ, σ2) denota la
distribución normal con media μ y la varianza σ2 truncado para asegurar 0 < bt < 1). La
inflación de tendencia π ∗t sigue una caminata aleatoria con volatilidad estocástica en sus
innovaciones.

La expectativa de inflación a largo plazo zt depende de la inflación tendencial, con un d0t

de interceptación variable en el tiempo y un coeficiente de pendiente d1t y un término de
error MA (1). En consecuencia, nuestro modelo captura tres dimensiones junto con la
expectativa de la encuesta que puede proporcionar lo que llamamos "parcial" - una
simplificación deliberada de términos - medida de la tendencia, a través de: (1) una
intercepción distinta de cero, d0t; (2) una pendiente no unitaria, d1t; y (3) un componente
MA en el término de error, reflejado en ψ. Nos centramos en las dos primeras formas de
"sesgo", ya sea en un diferencial constante entre la inflación tendencial y el pronóstico de la
encuesta o una falla de la encuesta para moverse uno a uno con la tendencia.  Como d0t y
d1t varían en el tiempo, tienen el potencial de estimar los cambios en la relación entre los
pronósticos a largo plazo y la inflación tendencial. Por ejemplo, es posible que los
pronósticos a largo plazo sean estimaciones no sesgadas de la inflación tendencial en
algunos momentos, pero no en otros. Nuestro modelo permite esta posibilidad, pero un
modelo de coeficiente constante no lo haría. Por lo tanto, investigar las restricciones
relacionadas con d0t y d1t es de interés económico. Para permitir la persistencia en un
pronóstico de inflación a largo plazo que puede no ser recogido adecuadamente por la
persistencia en la inflación tendencial, agregamos un término de error MA (1) a (4).
Aunque la evidencia empírica de la necesidad de este término de error MA es débil en una
de nuestras combinaciones de datos de EE. UU. (Inflación PCE con PTR), en nuestros
resultados iniciales para EE. UU. Y en los resultados para otros países, el término MA es
empíricamente importante ajuste del modelo y lo incluimos en nuestra especificación
general.

Las variantes del modelo descrito anteriormente, excluyendo zt, que involucran solo
(posiblemente versiones restringidas de) (3), (5), (6), (8), (9) y (10) se han utilizado para
estimar la inflación tendencial por varios autores. Por ejemplo, el popular modelo UCSV de
Stock y Watson (2007) es este modelo con bt = 0, y Chan, et al. (2013) utilizan este modelo
con inflación de tendencia acotada pero sin volatilidad estocástica en εn,t. Hacemos hincapié
en que la volatilidad estocástica a menudo es importante en modelos de inflación
tendencial como estos. Esta característica permite la posibilidad de que la volatilidad de la
inflación tendencial o las desviaciones de la inflación de la tendencia varíen con el tiempo.
Al agregar las ecuaciones adicionales (4) y (7) a un modelo convencional de componentes
no observados como el definido por (3), (5), (6), (8), (9) y (10), potencialmente podemos
mejorar la capacidad del modelo para ajustar los datos históricos de inflación y sus
estimaciones de inflación tendencial. Es decir, la adición de la relación entre zt y π ∗t
debería proporcionar información adicional para estimar la inflación tendencial más allá
de la proporcionada en un modelo univariante que solo implica inflación. Esta información
podría mejorar la precisión de las estimaciones de tendencia, la capacidad del modelo para
ajustarse a la inflación y la precisión del pronóstico. Nuestro modelo es menos restrictivo
que los utilizados en otros estudios que relacionan la inflación y las mediciones de las
expectativas de inflación, y nuestra especificación puede considerarse coherente con las
restricciones de cointegración impuestas en estos otros estudios (p. Ej., Mertens 2016,
Mertens y Nason). 2015 y Nason y Smith 2014).

 Conceptualmente, la distinción entre el pronóstico de horizonte infinito que constituye la inflación

tendencial y el horizonte de 10 años de la expectativa de la encuesta podría causar que d0,t difiera de 0 y d1,t difiera
de 1. En la práctica, sin embargo, para pronosticadores profesionales, parece probable que el pronóstico de la
encuesta de 10 años sea equivalente a un pronóstico de horizonte infinito. Por ejemplo, dado que la Reserva
Federal estableció su objetivo de inflación a más largo plazo del 2 por ciento, el pronóstico de 10 años de la
inflación del PCE de la Encuesta de pronosticadores profesionales se ha mantenido cerca del 2 por ciento.
Además, en un análisis comparativo entre países, Mehrotra y Yetman (2014) encuentran que las proyecciones de
encuestas con solo un horizonte de 24 meses tienden a agruparse alrededor de los objetivos de inflación de los
bancos centrales.

 Para los errores en otras ecuaciones, las estimaciones preliminares sugieren que una suposición de homocedasticidad es
razonable.
Estos otros estudios imponen la estacionalidad de la diferencia entre la inflación real y las
expectativas de la encuesta. Nuestro modelo es consistente con la cointegración de la
expectativa de encuesta zt con la inflación de tendencia π ∗t : el término de innovación de la
ecuación zt es un proceso estacionario de MA (1). Aunque la posterior de d0,t y d1,t no tiene
que ser cercana a 0 o 1, respectivamente, nuestra anterior centra los valores iniciales de
estos coeficientes en 0 y 1, respectivamente. Entonces, nuestro anterior implica la
cointegración de zt con la inflación de tendencia π ∗t con un coeficiente de pendiente de 1.
Con π ∗t la fuente de integración en π t ,, se deduce que podemos pensar que π t , y zt también
están cointegrados.

En resumen, nuestro modelo es un modelo de serie temporal estructural (por ejemplo, el

deseo de construir directamente una medida directa de inflación de tendencia implica una
estructura particular en nuestro modelo de espacio de estado) con características
adicionales añadidas por necesidad empírica (por ejemplo, la necesidad de permitir
volatilidad estocástica, la posibilidad de persistencia en el proceso de inflación a través de
la adición de errores de MA, pero también que las cortas lagunas son suficientes con los
datos de inflación). Se basa, y comparte, muchas similitudes con otros modelos en esta
literatura. En nuestro trabajo empírico, investigaremos algunos enfoques de series
temporales de formas reducidas. Estos incluirán, en nuestras comparaciones de
pronósticos, un modelo de vector de autorregresión y corrección de error vectorial, ambos
con parámetros variables en el tiempo (TVP-VAR y TVP-VECM, respectivamente).

Utilizamos métodos bayesianos para estimar todos los parámetros desconocidos de

nuestros modelos, incluidas variables latentes como la inflación tendencial. El algoritmo de
Markov Chain Monte Carlo (MCMC) utilizado para la estimación es similar al utilizado en
trabajos anteriores (por ejemplo, Chan et al., 2016) y, por lo tanto, no decimos más aquí.
Los priores utilizados en este documento son informativos, pero no dogmáticos. En
modelos como el nuestro, que involucran muchas variables latentes no observadas, el uso
de antecedentes informativos suele ser necesario.  Una versión anterior de este documento
de trabajo del Banco de la Reserva Federal de Cleveland 15-20 presentaba los resultados de
un análisis de sensibilidad previo de nuestro modelo de referencia, mostrando que
nuestros resultados son bastante robustos a los cambios en nuestro previo. Los detalles
completos del algoritmo MCMC y anteriores se encuentran en el Apéndice Técnico.

2.2 Extensiones del Modelo de referencia

Nuestro modelo de referencia excluye un indicador de actividad económica de la ecuación

de brecha de inflación (4). Lo hacemos con el interés de la parsimonia, motivados en parte
por la evidencia en la literatura de pronóstico (ver Faust y Wright 2013 y las referencias en
ella) de la dificultad de usar variables de actividad económica para mejorar las predicciones
de inflación. Sin embargo, en nuestro análisis para los EE. UU., también consideramos una
especificación (denominada M7) aumentada para incluir en la ecuación de inflación una
brecha de tasa de desempleo con un coeficiente variable en el tiempo. Nuestra
especificación con la brecha de desempleo tiene precedentes en otros estudios recientes,
que incluyen: Stella y Stock (2013), que generaliza la formulación UCSV de Stock y Watson

 De hecho, en el modelo UC-SV de Stock y Watson (2007), se supone que las ecuaciones de volatilidad estocástica equivalentes a
nuestro (10) tienen una varianza de error común y esta varianza común se fija en un valor específico. Nuestro previo es mucho
menos restrictivo que esto.
para relacionar la brecha de inflación con una brecha de desempleo; Jarocinski y Lenza
(2015), que considera una especificación que involucra un modelo factorial de actividad
económica, con el propósito de estimar la brecha del producto, con una estructura de
inflación, inflación tendencial y expectativas de inflación que corresponde a un parámetro
constante y restringido versión de nuestra formulación; y Morley, Piger y Rasche (2015),
que consideran un modelo de parámetros constantes y bivariados que relaciona la inflación
menos una tendencia de caminata aleatoria con una brecha de desempleo.

Nuestro modelo de referencia incluye solo las expectativas de inflación a largo plazo, ya que
deberían reflejar más directamente la inflación tendencial. Desde Blue Chip, tenemos datos
sobre expectativas de corto plazo. Para evaluar el valor potencial de las expectativas de
corto plazo, también consideramos una versión de nuestro modelo (denominada M6)
aumentada para incluir estas expectativas, usando una ecuación de estado adicional que es
igual a (4) excepto que una medida de corto plazo las expectativas de inflación es la
variable dependiente.

En nuestros resultados a continuación, también incluimos para la comparación un modelo

(denominado M8) que agrega un retraso de la brecha de inflación en la ecuación para zt y
descarta el componente MA:

zt = d0t + d1t π ∗t + d2t (π t−1 − π ∗t−1 ) + sz,t sz,t ∼ N (0, σ 2z). (11)

La motivación para esta especificación se puede encontrar en documentos como Erceg y

Levin (2003), que argumentan que, en ausencia de un régimen monetario creíble, los
pronósticos de inflación a largo plazo pueden responder a movimientos de inflación a corto
plazo, así como a cambios en la inflación de tendencia.

2.3 Restricciones en el modelo de referencia

Para ayudar a evaluar la capacidad de nuestro modelo para mejorar la precisión de las
estimaciones de tendencia, el ajuste de la inflación y las previsiones de inflación, también
consideraremos algunos modelos más restringidos. El primero de estos modelos
adicionales, M2, restringe d0t y d1t para que sean constantes, d0 y d1. El modelo M3 impone
d0 = 0 y d1 = 1, que es la restricción de que los pronósticos de inflación a largo plazo son
estimaciones no sesgadas de la inflación tendencial. Estos dos modelos arrojarán luz sobre
el valor de la variación de tiempo en los coeficientes y el valor de permitir algún sesgo en la
relación entre la expectativa de la encuesta y la inflación tendencial (utilizando la amplia
definición de sesgo indicada anteriormente).

El modelo M4 restringe nuestro modelo de línea de base M1 al no hacer uso de las

expectativas de inflación - que arrojará luz sobre el valor de esas expectativas para la
modelización de la inflación. Como tal, es un modelo de UCSV como el de Stock y Watson
(2007) pero ampliado para permitir un componente autorregresivo:

π t − π ∗t = bt (π t−1 − π ∗t−1 ) + vt , (12)

π ∗t = π ∗t−1 + nt , (13)
bt = bt−1 + εb,t, εb,t ∼ T N (0, σ2b), (14)
vt = v,tεv,t, εv,t ∼ N (0, 1),
λ0.5 (15)
nt = λ0.5 n, εn,t, εn,t ∼ N (0, 1), (16)
t
log(λi,t) = log(λi,t−1) + νi,t, νi,t ∼ N (0, φi), i = v, n. (17)

El modelo M5 es un modelo AR (1) en "forma de brecha" similar al usado en Faust y Wright

(2013), que describen como "increíblemente difícil de superar por mucho". Llamamos a
esto el modelo de Faust y Wright a continuación.  Agregamos volatilidad estocástica a este
modelo para ayudar en la comparabilidad con el nuestro. Específicamente, definimos la
brecha como gt = πt zt y usamos el modelo:

gt = βgt−1 + sg,t, sg,t ∼ N (0, λg,t), (18)

log(λg,t) = log(λg,t−1) + νg,t, νg,t ∼ N (0, φg ), (19)

donde suponemos |β| <1. El pronóstico para πt+k dado datos hasta el tiempo t se calcula
agregando zt a un pronóstico para gt+k. Finalmente, en la comparación de pronósticos fuera
de muestra, consideramos las especificaciones de TVP-VAR y TVP-VECM bivariadas, con
volatilidad estocástica. Ambos modelos usan un vector de datos que contiene inflación y
expectativas de inflación a largo plazo, tales que yt = (πt; zt)’. El TVP-VAR viene dado por

B0tyt = b0t + B1tyt−1 + B2tyt−2 + sy,t sty ∼ N (0, Σt), (20)

donde b0t es un vector 2 × 1 de intercepciones variables en el tiempo, B1t, B2t son matrices de
coeficientes VAR de 2 × 2, B0t es una matriz triangular inferior de 2 × 2 con unos en la
diagonal y Σt = diag (exp (h1t)), exp (h2t)). Las volatilidades logarítmicas y los coeficientes
VAR evolucionan de acuerdo con caminatas aleatorias independientes. El TVP-VECM toma
la siguiente forma:

 El apéndice suplementario de Cogley, Primiceri y Sargent (2010) hace uso de un modelo similar.
 Nuestra especificación generaliza su modelo "fijo ρ" estimando los coeficientes. En consecuencia, nuestro
modelo adopta la misma forma que su modelo "AR-gap", excepto que, en todos los horizontes, utilizamos la
forma de 1 paso adelante del modelo y las previsiones iteradas, mientras que utilizan una forma directa de
varios pasos del modelo.
 C0t∆yt = c0t + c1t(πt−1 − zt−1) + C1t∆yt−1 + s∆yt, st∆y ∼ N (0, Σt), (21)

donde c0t y c1t son 2 × 1 vectores de intercepciones y coeficientes variables en el tiempo, C1t
es una matriz de coeficientes 2 × 2, y C0t es una matriz triangular inferior de 2 x 2 con unos
en la diagonal. De nuevo, los coeficientes VAR y las volatilidades logarítmicas evolucionan
de acuerdo con caminatas aleatorias independientes.

Los modelos considerados en este documento se resumen en la siguiente tabla. Sin

embargo, tenga en cuenta que no todos los modelos se utilizan con cada conjunto de datos,
en parte debido a la disponibilidad de datos y en parte por consideración de brevedad. Por
ejemplo, para algunos conjuntos de datos no tenemos datos de expectativas de inflación a
corto plazo, por lo que M6 no se estima, y algunos modelos (los modelos TVP-VAR y TVP-
VECM) solo se usan en la comparación del pronóstico.

Mode Breve descripción

lo
M1 Nuestro modelo como se define en las ecuaciones (3) al (10)
M2 Restringe M1 de modo que d0t y d1t are son constantes
M3 Restringe M1 de modo que d0t = 0 y d1t = 1
M4 UCSV (M1 sin datos de expectativas de inflación) de las ecuaciones (12) a
(17)
M5 Modelo de Faust-Wright (AR (1) en forma de brecha) en las ecuaciones (18)
y (19)
M6 M1 aumentado con expectativas de inflación a corto plazo
M7 M1 aumentada con brecha de tasa de desempleo en la ecuación de inflación
M8 M1 aumentada con un desfase de brecha de inflación en la ecuación para zt
M9 TVP-VAR
M10 TVP-VECM

3 Data

Los formuladores de políticas están interesados en una gama de diferentes medidas de

inflación, y la literatura de investigación considera una gama de medidas. En consecuencia,
para los EE. UU., Proporcionamos resultados para varias combinaciones de medidas de
inflación y expectativas de inflación. Posteriormente, presentamos una comparación
internacional utilizando datos de Italia, Japón y el Reino Unido. Escogimos estos países en
parte porque los datos del pronóstico se remontan a 1990 y en parte porque los pronósticos
a largo plazo basados en encuestas muestran una variación de tiempo notable.

Para los EE. UU., Usamos tres medidas diferentes de inflación trimestral (πt en el
modelo):
i) inflación basada en el índice de precios al consumidor (inflación IPC), ii) inflación
basada en el índice de precios al consumidor excluyendo alimentos y energía (inflación
subyacente del IPC), y iii) inflación basada en el índice de precios para gastos de consumo
personal (inflación PCE) . Las tasas de inflación se computan como cambios porcentuales
de logaritmo anualizados (πt = 400 ln (Pt=Pt-1), donde Pt es un índice de precios). El IPC
tiene la ventaja de ser ampliamente conocido por el público, y para gran parte de nuestra
muestra, los datos de expectativas de inflación disponibles se refieren a él. Sin embargo, los
cambios en el tiempo en la metodología utilizada para construir el IPC -como el cambio de
1983 en el tratamiento de los costos de vivienda para usar la equivalencia de alquiler-
pueden crear inestabilidades estructurales, porque los datos históricos no se revisan para
reflejar los cambios en la metodología. Una razón por la cual también consideramos que la
inflación del PCE es que sus datos históricos han sido revisados para reflejar los cambios
en la metodología, reduciendo las preocupaciones con las inestabilidades creadas por los
cambios en la metodología. Otra razón es que la medida de inflación preferida de la
Reserva Federal es la inflación del PCE; su objetivo de inflación a más largo plazo se
establece en términos de inflación del PCE.

Como reflejo de la disponibilidad de datos, nuestros resultados se basan en algunas fuentes

diferentes de expectativas de inflación a largo plazo. En la mayoría de nuestros resultados
para los EE. UU., Usamos el Blue Chip Consensus (la media de los pronósticos de los
encuestados, de Blue Chip Economic Indicators) para medir las expectativas de inflación a
largo plazo (zt en el modelo). Blue Chip ha estado publicando pronósticos a largo plazo (6-
10 años) de la inflación del IPC y la inflación del deflector del PIB o del PIB desde 1979 en
el último caso y 1983 en el primer caso. Para extender la encuesta de pronósticos del IPC a
1979, completamos los datos de 1979 a 1983 utilizando pronósticos de deflactores de Blue
Chip. Las previsiones solo se publican dos veces al año; construimos valores trimestrales
usando la interpolación.

En parte con el propósito de usar una muestra más larga, en algunos de nuestros
resultados usamos la serie de expectativa de inflación a largo plazo incluida (como la serie
denominada PTR) en el modelo econométrico FRB / US de la Junta de Gobernadores de la
Reserva Federal. Definida en términos de CPI, la serie PTR en el modelo de la Junta
empalma (1) las estimaciones econométricas de las expectativas de inflación de Kozicki y
Tinsley (2001) al inicio de la muestra para (2) mediciones de encuestas de 5 a 10 años
compiladas por Richard Hoey a (3) expectativas de 1 a 10 años de anticipación de la
Encuesta de pronosticadores profesionales. Definida en los términos PCE realmente
utilizados en el modelo FRB / US, la serie utiliza las mismas fuentes, pero de 1960 a 2006,
los datos fuente son ajustados (por el personal de la Junta, para su uso en el modelo FRB /
US) a PCE al restar 50 puntos base de las expectativas de inflación medidas en términos de
CPI. Aunque algunos lectores pueden estar preocupados por el componente econométrico
de la serie temporal PTR y las aproximaciones utilizadas para traducir de CPI a términos
PCE, solo usamos la serie en un conjunto relativamente pequeño de resultados.

Presentamos resultados para tres combinaciones de inflación con las correspondientes

expectativas de inflación: i) inflación IPC más pronósticos de Blue Chip, ii) inflación
subyacente del IPC más pronósticos de Blue Chip y iii) inflación PCE más pronósticos de
 Durante los siguientes años posteriores a 1983, las previsiones a largo plazo de Blue Chip sobre la inflación
del IPC y del PIB son muy similares.
 Las encuestas de pronosticadores profesionales han incluido durante mucho tiempo las proyecciones de la
inflación del IPC o el índice de precios / deflación de precios PNB / PIB, pero solo recientemente la encuesta
incluyó la inflación PCE. El consenso de Blue Chip sigue las expectativas de inflación tanto en el IPC como en
el índice de precios del PIB. La Encuesta de pronosticadores profesionales sigue las expectativas de la
inflación del IPC y, desde 2007, la inflación del PCE.
largo plazo de PTR. Este conjunto aborda la robustez de diferentes medidas de inflación y
diferentes medidas de las expectativas de inflación.  En los resultados basados en las
expectativas de Blue Chip, el período de la muestra de estimación es 1980: del 1T al 2016:
Q1. En los resultados basados en la medida PTR de las expectativas de inflación, estimamos
el modelo utilizando datos de 1960: del 2T al 2016: Q1.

Como se detalló anteriormente, un modelo que consideramos como un control de robustez

incluye una expectativa de inflación a corto plazo (además de la expectativa a largo plazo).
Medimos la expectativa a corto plazo con el pronóstico de tres trimestres de inflación del
IPC del Consenso de Blue Chip. Debido a la preocupación por la coherencia de los datos,
solo estimamos este modelo con la inflación del IPC y la expectativa a largo plazo de Blue
Chip.Como se detalló anteriormente, un modelo que consideramos como un control de
robustez incluye una expectativa de inflación a corto plazo (además de la expectativa a
largo plazo). Medimos la expectativa a corto plazo con el pronóstico de tres trimestres de
inflación del IPC del Consenso de Blue Chip. Debido a la preocupación por la coherencia de
los datos, solo estimamos este modelo con la inflación del IPC y la expectativa a largo plazo
de Blue Chip.
Un segundo modelo que consideramos como un control de robustez incluye la actividad
económica como un predictor de inflación con un coeficiente variable en el tiempo. En este
modelo, seguimos la práctica común (p. Ej. Morley, Piger y Rasche 2015, Stella and Stock
2013) y definimos la variable de actividad relevante como una brecha de desempleo,
definida como la tasa de desempleo real menos la estimación de la Oficina de Presupuesto
del Congreso de la tasa natural de desempleo.
Para nuestro análisis internacional, utilizamos las tasas de inflación del IPC y las
proyecciones a largo plazo de la inflación del IPC de Consensus Economics (en adelante,
CE). La excepción es el Reino Unido, para lo cual utilizamos el índice de precios minoristas
sin impuestos indirectos (RPI) y los pronósticos CE de inflación de RPI. Obtuvimos datos
de CPI de Haver Analytics y del RPI del Reino Unido del sitio web de la Oficina de
estadísticas nacionales. Los pronósticos a largo plazo obtenidos de CE son
conceptualmente comparables a los pronósticos de EE. UU. Publicados por Blue Chip; son
proyecciones de la inflación promedio de 6 a 10 años más adelante, informadas como el
promedio entre pronosticadores privados que participan en la encuesta. Desde mediados
de 2014, las previsiones de CE se publican trimestralmente (en el primer mes de cada
trimestre). Antes de eso, las previsiones solo se publicaban dos veces al año (abril y
octubre) y construimos valores trimestrales mediante interpolación. Para Italia, Japón y el
Reino Unido, los datos se ejecutan desde el segundo trimestre de 1990 (Q2) hasta el
segundo trimestre de 2016 (Q2). A la luz de las muestras más cortas de datos de
expectativas disponibles para estos otros países, en la evaluación internacional solo

 Una versión anterior de este documento, publicado como el Documento de trabajo 15-20 del Banco de la
Reserva Federal de Cleveland, contiene resultados para una gama más amplia de combinaciones, incluida la
inflación del deflactor del PIB.
 Después de estudios como Rudd y Peneva (2015), utilizamos la medida a la que la CBO se refiere como su
estimación a corto plazo de la tasa natural, que incorpora un aumento sustancial temporal en la tasa natural
en el período posterior al inicio de la Gran Recesión, atribuible a factores estructurales tales como los
beneficios extendidos del seguro de desempleo.
informamos las estimaciones de muestras completas y omitimos las comparaciones de
pronósticos fuera de la muestra.
4 Resultados empíricos con datos de EE. UU.
En esta sección, presentamos los resultados de tres combinaciones diferentes de medidas
de inflación y expectativas para los EE. UU. Además de nuestro modelo de referencia,
presentamos los resultados seleccionados de seis a siete otros modelos, detallados
anteriormente. El propósito principal de este documento es desarrollar un modelo
apropiado para investigar la relación entre la inflación, la inflación tendencial y las
expectativas de inflación. Sin embargo, también es interesante ver si pronostica mejor que
las alternativas plausibles. Con este fin, llevamos a cabo un ejercicio de pronóstico de
pseudo-fuera de la muestra. En nuestros resultados basados en las expectativas a largo
plazo de Blue Chip, la muestra de evaluación comienza con 1995Q1. En los resultados
basados en la medición PTR de las expectativas de inflación, para las cuales se cuenta con
una historia más larga, el período de evaluación del pronóstico comienza en 1975Q1. 
Los resultados empíricos se presentan principalmente con figuras. En cada caso, el primer
conjunto de figuras se centra en M1. Traza medias posteriores (junto con una estimación de
intervalo) de todas las variables latentes en el modelo (es decir, π∗ t; bt; λv;t; λn;t; d0t; d1t).
La cifra para π ∗t también traza la inflación real (πt) junto con los pronósticos a largo plazo
tomados de las encuestas (zt).
El siguiente conjunto de figuras presenta comparaciones de estas variables latentes en
todos nuestros modelos. Para el caso base de inflación del IPC con expectativas de inflación
a largo plazo medidas por pronósticos de Blue Chip de 6-10 años (por razones de brevedad,
omitimos lo mismo para las otras combinaciones de datos), incluimos algunos gráficos
adicionales para comparar la precisión de la tendencia estimaciones y estimaciones de
tendencia pseudo-reales. Finalmente, se proporcionan tablas de probabilidades marginales
y medidas del rendimiento del pronóstico. Para este último, presentamos los errores de
previsión cuadrática media (RMSFE) y las sumas de verosimilitud predictiva logarítmica,
ambos tomados en relación con el modelo UCSV-AR (M4). Al calcular las predicciones
para el modelo M7, asumimos un modelo AR (4) para la brecha de desempleo.
4.1 Resultados usando la inflación del IPC y las previsiones de Blue Chip
4.1.1 Resultados de estimación utilizando la muestra completa
Comenzamos presentando evidencia sobre qué tan bien se desempeña nuestro modelo de
línea de base con respecto a modelos alternativos para estimar la inflación tendencial y
otras características de interés utilizando la muestra completa.
La Figura 1 presenta estimaciones de π∗ t; bt; λv;t; λn;t; d0t y d1t para nuestro modelo de
referencia. Se puede ver que las estimaciones de la inflación tendencial son mucho más
fluidas que la inflación real. En un sentido general, hacen un seguimiento de los
pronósticos basados en encuestas a largo plazo bastante bien. Sin embargo, la inflación
tendencial se encuentra consistentemente por debajo de los pronósticos de la encuesta y

 Repetimos el análisis con un período de evaluación del pronóstico más corto que comenzó en 1985Q1 (después de la
Gran moderación) y encontramos que los resultados son cualitativamente similares.
esta diferencia es grande en un sentido estadístico. Es decir, zt se encuentra
consistentemente por encima del límite superior del intervalo creíble para π∗ t y los
profesionales pronosticaron que la inflación a largo plazo sería algo mayor que nuestra
estimación de la inflación tendencial. El hallazgo de que los pronósticos de los
profesionales a menudo están ligeramente por encima de nuestras estimaciones de
inflación tendencial también se puede ver en los resultados para d1t y d1t. Recuerde que d0t
= 0 y d1t = 1 implica que los pronósticos a largo plazo son estimaciones no sesgadas de la
inflación tendencial. En la Figura 1, la mayor parte de la probabilidad posterior de d0t se
encuentra en la región positiva y (con una alta probabilidad posterior) d1t está por encima
de uno, particularmente temprano en nuestra muestra. Estos valores implican
conjuntamente que nuestras estimaciones de inflación tendencial son ligeramente
inferiores a las de los profesionales.
Las estimaciones de bt tienden a ser consistentes con una buena cantidad de persistencia
de inflación (en aproximadamente 0.5), con leves evidencias de alguna disminución en el
tiempo. También hay una fuerte evidencia de volatilidad estocástica, tanto en la ecuación
de inflación como en la inflación de tendencia. Esto es consistente con los hallazgos de
Stock y Watson (2007) en su modelo univariado de inflación. Es interesante observar que,
como en Stock y Watson (2007), ambos tipos de volatilidad estocástica fueron altos
alrededor de 1980 y cayeron posteriormente. La reciente crisis financiera se asoció con un
gran aumento en la volatilidad de los shocks en la brecha de inflación, pero no aumentó la
volatilidad de los shocks en la inflación tendencial. En la medida en que la baja volatilidad
en la inflación tendencial refleja un firme anclaje de las expectativas de inflación, nuestros
resultados sugieren que la Fed ha logrado anclar las expectativas de inflación desde la
década de 1980 y que estas expectativas no se vieron afectadas por la crisis financiera.
La Figura 2 compara las estimaciones de inflación de parámetros y tendencias entre los
modelos (a excepción de una estimación de tendencia del modelo Faust-Wright (M5), que
no produce dicha estimación). Estos resultados indican que, en relación con nuestro
modelo de referencia, las estimaciones solo se modifican modestamente (al principio de la
muestra) mediante la adición de expectativas de inflación a corto plazo (M6) o una brecha
de desempleo (M7). Restringir el modelo base haciendo que los coeficientes d0 y d1 de la
ecuación de expectativas de inflación sean constantes o restringirlos a valores específicos
(0 y 1, respectivamente) tiene efectos más notables sobre la volatilidad variable en el
tiempo de las innovaciones para la inflación tendencial (λn;t), los coeficientes d0 y d1, y la
inflación tendencial. Por ejemplo, restringir d0 y d1 para ser constante en el modelo M2
disminuye la estimación de la pendiente d1 de más de 1 en M1 a un poco más de 0.8 en M2
y eleva la intersección d0 de 0.3 o menos en el modelo M1 a aproximadamente 0.8 en el
modelo M2.
Tanto para M2 como para M3, la tendencia estimada está muy por encima de la estimación
del modelo M1 para aproximadamente los primeros 10 años de la muestra. Quizás no
sorprendentemente, con d0 y d1 restringidos a 0 y 1, respectivamente, la estimación de
tendencia del modelo M3 es esencialmente la misma que la expectativa de encuesta zt
(tanto que oscurece la línea para zt en el gráfico del panel superior). En general, las
estimaciones de los diversos modelos cubiertos en la Figura 2 aumentan el peso de la
evidencia contra d0t = 0 y d1t = 1. Por ejemplo, M6 y M7 se alinean aproximadamente
con el modelo 1 en sus estimaciones de estos coeficientes variables en el tiempo, con d0
arriba 0 y d1 arriba 1. Las estimaciones del modelo M2 muestran que, incluso con un
modelo de coeficiente constante, las estimaciones de estos coeficientes difieren del caso
(0,1).
Las estimaciones para el modelo M8 indican que agregar una brecha de inflación rezagada
a la ecuación para las expectativas de inflación tiene poco efecto en la estimación de la
inflación tendencial o los coeficientes y las volatilidades del modelo. Este hallazgo refleja el
resultado, no mostrado en interés de la brevedad, de que el coeficiente d2t se estima
pequeño.

20 8

6
10
4
0
2

−10 t
1980 0 t
1990 2000 2010
z* z*
1980 1990 2000 2010
t t

0.6
1.4

0.4 1.3

1.2
0.2
1.1
0
1
0.9
−0.2 0 1980 1990 2000 2010
d
1980 1990 2000 2010 d
1
t t

15 0.2

0.15
10
0.1
5
0.05

0

1980 1990 2000 2010 0
v,t 1980
n 1990 2000 2010
,t
 1

0.8

0.6

0.4

0.2

0 b
t
1980 1990 2000 2010

Figura 1: Medios posteriores de π * t, bt, λv, t, λn, t, d0t y d1t para M1 (CPI + Blue Chip).
Las bandas sombreadas son percentiles 16 ° -84 °
10 10
* tM
t *M
t
1 t4
zM z
M
8 2 8 6

M M
3
6 6 7
M
8

4 4

2 2

0
0
1980 1990 2000 2010
1980 1990 2000 2010

1
d 1.4
0t M1
M
M2
d2
M
0.8 1.3 11
M
M3 t3
M
6 1.2
0.6 M
6
M
7
1.1
0.4 M
8

1
0.2

0.9

0 1980 1990 2000 2010

1980 1990 2000 2010

 20 20
M M
1 5
v
,
M M
15 v,t 15 t
2 6

M M
3 7
10 10
M M
4 8

5 5

0
0
1980 1990 2000 2010
1980 1990 2000 2010

0.2 0.2
M M
1 6
n,
t
M M
0.15 0.15 n
2 ,7
t
M M
3 8
0.1 0.1
M
4

0.05 0.05

0
0
1980 1990 2000 2010
1980 1990 2000 2010

1 1
bM
tM bM
31 t6
M
0.8 M2 0.8 M
4
7

0.6 0.6 M
8

0.4 0.4

0.2 0.2

0
0
1980 1990 2000 2010
1980 1990 2000 2010
Figura 2: Comparación de los medios posteriores de π * t, bt, λv, t, λn, t, d0t y d1t para
diferentes modelos (CPI + Blue Chip)

8 8
M
t
1

π
*
6 6

4 4 t
M
4

π
*

Figura 3: Estimaciones de π * t para M1 y M4 con percentiles 16th-84th como bandas

sombreadas (CPI + Blue Chip)

La estimación de la inflación tendencial producida por M1 se encuentra consistentemente

por debajo de zt . Para arrojar algo de luz sobre esto, tenga en cuenta que los medios de
muestra de zt, πt y nuestras estimaciones puntuales de π∗ t son 3.5, 3.1 y 2.9 por ciento,
respectivamente. Por lo tanto, en promedio, los pronósticos de los profesionales se
encuentran por encima de la inflación promedio, mientras que nuestras estimaciones de la
inflación tendencial son, sensiblemente, llevados a estar mucho más cerca de ella.
Al eliminar las expectativas de inflación a largo plazo del modelo, como lo hace la
especificación UCSV-AR de M4, se crean mayores diferencias en las estimaciones en
comparación con el modelo de referencia. La estimación de la volatilidad variable en el
tiempo para la inflación tendencial (λn;t) es notablemente más alta para M4 que la
especificación de referencia. Además, la estimación de la inflación tendencial de M4 difiere
de la línea de base en algunos aspectos importantes. Como se desprende de la fila superior
de la Figura 2, la estimación de la inflación tendencial de M4 tiende a ser más variable y
sustancialmente más baja en torno a 1980 que cualquiera de los otros enfoques que
incluyen las expectativas de inflación a largo plazo. Además, como se muestra en la Figura
3, el conjunto creíble alrededor de la estimación de la inflación tendencial es mucho más
estrecho con M1 que con M4. El uso de una medida basada en encuestas de las expectativas
de inflación para informar la estimación aumenta en gran medida la precisión de la
estimación de la tendencia.
Para evaluar la capacidad de nuestro modelo para ajustar los datos de inflación, la Tabla 1
proporciona probabilidades marginales para los ocho modelos en consideración. 
Comenzamos comparando nuestro modelo de referencia con los modelos UCSV-AR (M4) y
Faust-Wright (M5) y luego Considere los efectos en el ajuste del modelo de las restricciones
en los coeficientes d y de las extensiones del modelo. Según las recomendaciones clásicas
de Jeffreys para interpretar los factores de Bayes (ver, por ejemplo, página 777 de Kass y
Raftery, 1995), la evidencia a favor de nuestro modelo contra los modelos M4 y M5 es
fuerte (decisiva para M4 y sustancial para M5).

Table 1: Registrar estimaciones de probabilidad marginal (CPI + Blue Chip)

M1 M2 M3 M4 M5 M6 M7 M8
-277.29 -278.60 -278.60 -284.41 -279.33 -275.33 -283.10 -277.45

Restringir los coeficientes d en los modelos M2 y M3 reduce modestamente el ajuste del

modelo en comparación con la línea de base M1. Según los estándares de Jeffreys, la
evidencia a favor de nuestros coeficientes d variables en el tiempo sobre coeficientes
constantes es sustancial, pero no fuerte. Finalmente, la ampliación de nuestro modelo para
incluir pronósticos de corto plazo produce una mejora sustancial en el ajuste del modelo,
mientras que ampliarlo para incluir la brecha de desempleo hace que el modelo se ajuste
mucho peor. La ampliación de nuestro modelo para incluir la brecha de inflación rezagada
en el proceso para las expectativas a largo plazo con el modelo M8 tiene poco efecto en el
ajuste del modelo en relación con nuestra especificación de línea base M1.
4.1.2 Uso de nuestro modelo en tiempo real
Hasta este punto, nos hemos centrado en las estimaciones de muestras completas de los
modelos y las estimaciones de la tendencia suavizadas. Sin embargo, modelos como estos a
menudo se usan en tiempo real para fines de pronóstico o de políticas. Por ejemplo, un
banquero central podría usar un modelo como este para evaluar regularmente las
tendencias de inflación. Por lo tanto, en esta subsección presentamos: i) series de tiempo
históricas de estimaciones pseudoreales en tiempo real de la inflación tendencial, ii)
pronósticos de tiempo pseudo-reales y iii) un ejercicio de pronóstico puro fuera de la
muestra hasta 2021.
Las estimaciones pseudoreales en tiempo real de la inflación tendencial se presentan en la
Figura 4. A partir de 1990: Q1, en cada trimestre t, utilizamos los datos históricos hasta ese
momento para estimar los modelos y sus tendencias de inflación, salvando la tendencia a
partir del período t como la estimación de tiempo pseudo real y la repetición de la
estimación en cada trimestre subsiguiente. Como se esperaba, estas estimaciones de
tendencias de tiempo pseudo real son más ruidosas que sus contrapartes suavizadas de

 El Apéndice Técnico detalla el cálculo de la probabilidad marginal. Estos se construyen utilizando la

probabilidad predictiva asociada únicamente a la inflación para garantizar la comparabilidad entre los
modelos.
muestra completa. La estimación del modelo M8 es muy similar a la línea de base de M1.
Las estimaciones de los modelos M1, M2, M3 y M6 son muy similares entre sí, aunque
ciertamente puede haber diferencias considerables entre los modelos. La estimación de M7
(que incluye las expectativas de corto plazo y las expectativas de largo plazo) tiene un
efecto similar al de estos otros modelos, pero tiende a ser mayor. La estimación de M4 es
mucho más notablemente diferente de las otras estimaciones, particularmente en su
volatilidad mucho más alta. En estimaciones de tiempo pseudo-real, incluida la medición
basada en encuestas de expectativas de inflación a largo plazo, se reduce en gran medida la
variabilidad de las estimaciones de inflación tendencial.
En general, estos hallazgos respaldan la opinión de que incluir información de predicciones
de encuestas y agregar variaciones de tiempo en parámetros es útil para ayudar a refinar
las estimaciones de inflación tendencial, en dimensiones que incluyen la captura de
características que parecen existir en las estimaciones de nuestro modelo relativamente
flexible , la precisión de las estimaciones de tendencia ex post y la variabilidad de las
estimaciones de inflación tendencial en tiempo pseudo real. Pero el simple hecho de
suponer que los pronósticos de la encuesta sean medidas imparciales de la inflación
tendencial parece indebidamente restrictivo.
Para evaluar el valor de las expectativas de inflación a largo plazo para pronosticar la
inflación futura, la Tabla 2 informa la precisión de las predicciones puntuales y de
densidad, como proporciones de RMSFEs de cada modelo en relación con la especificación
UCSV-AR (M4) y como diferencias en las probabilidades predictivas logarítmicas con
respecto a la línea base del modelo M4 (una razón de RMSFE menor que 1 denota mejoría
en la línea base, al igual que una probabilidad predictiva de registro relativo positivo). Los
horizontes van de 1 a 20 trimestres más adelante, así como a 6-10 años más adelante. Estos
pronósticos de 6-10 años a continuación se refieren a la tasa promedio de inflación de 6 a
10 años. Tenga en cuenta que, en este horizonte tan largo, se requiere cierta precaución
para sacar conclusiones sólidas de los resultados en el sentido de que el número de
observaciones totalmente independientes es limitado en la muestra de datos disponible.
8 8

6 6

4 4

2 2
t
M Mt
z1 z4

M M
2 6
M
3
M
7

M
8
 0

En la mayoría de los horizontes, todos los modelos que incluyen expectativas de inflación a
largo plazo (abstrayendo por el momento de los modelos M9 y M10) mejoran la precisión
del modelo UCSV-AR. En horizontes cortos, las ganancias son ciertamente pequeñas o
modestas; Prácticamente hablando, hay poco para distinguir los modelos en la precisión
del pronóstico. En horizontes más largos, hasta 20 trimestres más adelante, las ganancias
aumentan hasta cerca del 16 por ciento para pronósticos puntuales y más de 20 puntos en
probabilidad de predicción logarítmica. Los modelos más restringidos M3 (que establece
d0 a 0 y d1 a 1 para todo el tiempo) y M5 (el modelo Faust-Wright) son ligeramente menos
precisos que los modelos menos restrictivos M1 y M6, pero no lo son tanto. La imagen es
en su mayoría similar en el horizonte muy largo de 6-10 años por delante, con la diferencia
principal de que los rendimientos de los modelos M3 y M5 se deterioran modestamente en
este horizonte. El rendimiento de los modelos menos restrictivos M9 (TVP-VAR) y M10
(TVP-VECM) es más variado. En horizontes cortos, estos modelos son comparables en
exactitud a nuestros modelos propuestos. Sin embargo, en horizontes más largos, el
rendimiento de los modelos M9 y M10 puede ser impulsado por pronósticos explosivos.
Hemos tomado medidas en los resultados para eliminar esencialmente este
comportamiento para los pronósticos del modelo M9 y reducirlo bruscamente para los
pronósticos del modelo M10. En horizontes más largos, el modelo M9 relativamente
menos restringido se comporta de manera comparable a nuestros modelos preferidos tanto
en pronósticos puntuales como de densidad. Pero al modelo M10 le va peor, por lo que está
dominado por otras especificaciones, especialmente en los pronósticos de densidad.
Finalmente, para ilustrar algunas de las diferencias prácticas con nuestro modelo
preferido en comparación con algunas alternativas básicas, presentamos pronósticos
"verdaderos" fuera de la muestra utilizando el final de nuestra muestra de estimación
como el punto de partida. Estas previsiones (agregadas para representar las tasas
medias de inflación de cuatro trimestres, de acuerdo con la práctica común del banco
central) cubren un período de 20 trimestres, desde 2016: del 2T al 2021: Q1. Incluimos
pronósticos para M1 junto con dos modelos de comparación clave, M3 y M4. La Figura
5 muestra que los pronósticos de M3 se ubican ligeramente por encima de los
pronósticos de M1. Esto refleja las tendencias estimadas del modelo, en el cual, al final
de la muestra de estimación mostrada en la Figura 2, la estimación de tendencia del
modelo M3 - que impone la restricción de que la expectativa de la encuesta a largo
plazo es una medida imparcial de inflación tendencial - excede ligeramente la
estimación de tendencia del modelo de línea de base M1. M4, el modelo de UCSV-AR
información de las encuestas de inflación, produce pronósticos que son aún más bajos,
 Para el modelo M9, seguimos el enfoque de Cogley y Sargent (2005) de imponer la estacionariedad en las
estimaciones de VAR, y al simular la distribución del pronóstico, cerramos la variación de tiempo en los
estados latentes manteniéndolos constantes al final de los valores de muestra. Para el modelo M10, al simular
la distribución del pronóstico, cerramos la variación del tiempo en los estados latentes al mantenerlos
constantes al final de los valores de la muestra, y utilizamos la mediana posterior en lugar de la media como
el pronóstico del punto.
reflejando el bajo nivel de inflación reciente y la ausencia de cualquier influencia de las
expectativas de inflación a largo plazo. Estas diferencias en los pronósticos resaltan las
diferencias prácticas en los modelos que podrían, en un momento dado, tener
importantes implicaciones políticas. Por ejemplo, un planificador de política
monetaria que confíe en el pronóstico del modelo M4 probablemente prefiera una
política monetaria mucho más acomodaticia que la que tendría un formulador de
políticas que se basara en el pronóstico de nuestro modelo preferido M1.
Table 2: RMSFEs y la probabilidad de predicción del logaritmo para pronosticar la inflación
del IPC en relación con UCSV-AR

Relative
RMSFE
1Q 2 4 8Q 12Q 16Q 20Q 6-
Q Q 10Y
M1 0.9 0. 0. 0.9 0.9 0.8 0.90 0.90
7 94 88 0 0 9
M 0.9 0. 0. 0.8 0.8 0.8 0.84 0.72
2 8 95 89 8 7 4
M 0.9 0. 0. 0.9 0.9 0.9 0.94 1.02
3 8 95 90 2 4 3
M5 0.9 0. 0. 0.9 0.9 0.9 0.94 1.01
8 97 92 2 3 3
M 0.9 0. 0. 0.9 0.8 0.8 0.88 0.84
6 7 94 88 0 9 8
M7 0.9 0. 0. 0.9 0.9 0.9 0.91 0.78
8 95 91 1 1 0
M 0.9 0. 0. 0.9 0.9 0.8 0.90 0.89
8 7 94 88 0 0 9
M 0.9 0. 0. 0.9 0.9 0.9 0.89 0.76
9 9 98 96 4 3 1
M1 0.9 0. 0. 0.9 0.9 0.9 0.99 1.60
0 8 95 90 0 1 5
Relative log predictive likelihood
1Q 2 4 8Q 12Q 16Q 20Q 6-
Q Q 10Y
M1 2.8 4. 7. 10. 14.1 17.5 18.7 53.6
6 40 84 71 0 2 0 0
M 2.3 4. 8. 12. 17.5 20. 20.6 64.3
2 4 61 67 64 6 47 8 7
M 1.0 2. 5.5 8.4 10. 13. 14.2 32.0
3 8 33 2 4 54 35 4 5
M5 1.4 2. 6. 10. 11.6 15.3 14.7 13.7
3 82 96 54 7 5 8 9
M 2.4 3. 7. 10. 15. 18. 20.3 58.6
6 4 85 98 77 84 57 4 8
M7 0.7 1.1 3. 10.1 14. 16. 17.9 55.1
8 0 83 0 60 80 5 6
M 1.7 3. 8. 11.9 14. 18. 19.2 53.4
8 5 82 49 5 20 35 6 2
M - 0. 2.4 7.3 13. 19. 21.9 54.7
9 0.2 44 0 4 30 41 2 4
4
M1 0.4 3. 9. 12. 7.6 - - <
0 7 04 41 08 0 7.4 26.4 -100
2 9
 3.5

2.5

1.5
M
1

M
1 3

M
4

0.5

2016Q2 2017Q1 2018Q1 2019Q1 2020Q1 2021Q1

Figura 5: Pronósticos puntuales para la inflación del IPC (tasas promedio cuatrimestrales) desde
M1 con los percentiles 16º a 84º como bandas sombreadas.

4.2 Resultados utilizando la inflación subyacente del IPC y las previsiones de

Blue Chip
4.2.1 Resultados de estimación utilizando la muestra completa
Los resultados que utilizan la inflación subyacente del IPC, que figuran en las Figuras 6 y 7
y la Tabla 3, son en general similares a los que utilizan la inflación del IPC. En particular,
todavía estamos encontrando que nuestra estimación de la inflación tendencial está por
debajo de zt y que d0t y d1t difieren de los valores (0,1) que implican que los profesionales
están produciendo pronósticos imparciales de inflación tendencial. El modelo UCSV-AR
produce estimaciones de tendencia de inflación que son más erráticas que las producidas
utilizando modelos que incorporan expectativas de inflación (aunque omitimos los
resultados en aras de la brevedad, este modelo también arroja estimaciones de tendencias
que son menos precisas y mucho más variables en pseudo -tiempo real). Sin embargo, hay
algunas diferencias interesantes. Hay menos evidencia de variación de tiempo en d0t y d1t
que con la inflación del IPC. Otro punto digno de mención es que las volatilidades, λv, t, λn,
t, son grandes en 1980, pero ambas caen continuamente sobre el período de la muestra.
Esto contrasta con los resultados de la inflación del IPC donde λv, t dispara hacia arriba en
el momento de la crisis financiera.
Table 3: Log marginal likelihood estimates (core CPI + Blue Chip)

M1 M2 M3 M4 M5 M7 M8
-148.70 -146.91 -151.14 -154.67 -152.26 -151.98 -147.99
En términos de ajuste del modelo según lo capturado por las probabilidades marginales de
la Tabla 3, nuestro modelo de referencia (M1) arroja ganancias considerables en relación
con los modelos UCSV-AR (M4) y Faust-Wright (M5). En contraste con los resultados para
la inflación general del IPC, para la inflación del IPC subyacente, la restricción de los
coeficientes d0 y d1 para que sean constantes mejora el ajuste del modelo, produciendo el
modelo que mejor se ajusta. Sin embargo, restringir estos coeficientes a 0 y 1,
respectivamente, perjudica significativamente el ajuste del modelo. Estos hallazgos indican
que las expectativas de inflación a largo plazo basadas en encuestas están estrechamente
relacionadas con la tendencia en la inflación subyacente del IPC, pero no son una medida
imparcial. Una vez más, extender el modelo para incluir la brecha de desempleo (M7) hace
que el ajuste del modelo sea mucho peor.
4.2.2 Usando nuestro modelo en tiempo real
La Figura 8 presenta estimaciones filtradas en tiempo real de la inflación tendencial.
Nuestro hallazgo anterior, que la incorporación de pronósticos basados en encuestas puede
reducir la volatilidad en las estimaciones en tiempo real en relación con modelos como
UCSV-AR que no los incorpora, también se encuentra para la inflación subyacente del IPC.
Los resultados de pronósticos de pseudo-fuera de la muestra en la Tabla 4 muestran que,
con la inflación subyacente del IPC, no todos los modelos que incorporan expectativas de
inflación a largo plazo mejoran la precisión del modelo UCSV-AR. Los modelos M3 y M5
-los modelos que igualan la expectativa a largo plazo con la inflación tendencial-
generalmente son menos precisos que el modelo UCSV-AR, aunque en algunos casos solo
por pequeños márgenes. Nuestro modelo propuesto arroja pronósticos ligeramente más
precisos que los de la línea base UCSV-AR. La restricción de los coeficientes d0 y d1 para
ser constante como en el modelo M2 produce mejoras más importantes en la precisión del
pronóstico, especialmente en horizontes más largos. Para la inflación subyacente del IPC,
el modelo M2 pronostica mejor.
Finalmente, los pronósticos puramente fuera de muestra hasta el 2021 se muestran en la
Figura 9. Una vez más, la previsión del modelo M3 se encuentra por encima - más
visiblemente con la inflación subyacente que la inflación general - que desde nuestro
modelo base M1, reflejando el mismo patrón en sus estimaciones de la inflación tendencial,
que a su vez reflejan la restricción de M3 de que la expectativa de la encuesta a largo plazo
es una medida imparcial de la inflación tendencial. En contraste con los hallazgos para la
inflación del IPC, ahora estamos encontrando que el modelo M4 (que no utiliza ninguna
información de los pronósticos profesionales) produce un pronóstico que se encuentra por
encima del modelo de línea de base M1.

15 8

6
10
 z
 z
t t

4
5
2

0
1980 1990 2000 2010 0
1980 1990 2000 2010

0.6 1.3

0.4 1.2

0.2 1.1

0 1

−0.2 0
d
1980 1990 2000 2010 0.9 d
1
t t
1980 1990 2000 2010

0.15
15

10 0.1

5 0.05

0

1980 1990 2000 2010 0
v,t 1980 1990 2000 2010

n
,t
1

0.8

0.6

0.4

0.2

0 b
t
1980 1990 2000 2010

Figura 6: Medios posteriores de π∗ t; bt; λv;t; λn;t; d0t y d1t para M1 (core CPI + Blue Chip)
10 10
*t *M
t
z t4
8 t 8 z
M
M 7
6 1 6
M
4 M 4 8
2
2 2
M
0 3
0
1980 1990 2000 2010
1980 1990 2000 2010
 1
1.4
d dM
0.8
0M 1.3 11
1 M
0.6 tM t2
2 1.2
0.4 M
M 1.1 3
0.2 3
M
M
1 7
0 7

0.9 M
1980
M 1990 2000 2010 8
1980 1990 2000 2010
8

20 M 20 M
1 4

15 v,t 15 v
M ,
M
2 5t
10 10
M M
3 7
5 5
M
8
0
0
1980 1990 2000 2010
1980 1990 2000 2010

0.2 0.2 M
M 4
n,1
0.15 t 0.15 n
M ,M
2 t7
0.1 0.1
M M
3 8
0.05 0.05

0
0
1980 1990 2000 2010
1980 1990 2000 2010

1 bM 1 M
2 b
tM
t4
1
0.8 0.8
M M
3 7
0.6 0.6
M
8
0.4 0.4

0.2 0.2

0
0
1980 1990 2000 2010
1980 1990 2000 2010

Figura 7: Comparación de los medios posteriores de π∗ t; bt; λv;t; λn;t; d0t y d1t para
diferentes modelos (core CPI + Blue Chip)
 8 8

6 6

4 4

2 2
t
M t
M
z1 z4

M M
2 7
M M
3 8

Figura 8: Medios posteriores de estimaciones de pseudo-tiempo real de π * t (CPI central + Chip azul)

Tabla 4: RMSFEs y la probabilidad de predicción del logaritmo para pronosticar la

inflación subyacente del IPC en relación con UCSV-AR

Relative
RMSFE
1Q 2Q 4Q 8Q 12Q 16Q 20Q 6-
10Y
M 0.9 0.9 0.98 0.95 0.94 0.95 0.95 1.0
1 9 9 0
M 0.9 0.9 0.88 0.79 0.76 0.78 0.79 0.87
2 7 4
M 1.0 1.0 1.12 1.11 1.06 1.04 1.00 1.03
3 4 8
M 1.0 1.1 1.16 1.14 1.06 1.04 1.00 1.02
5 4 0
M 0.9 0.9 0.95 0.98 1.06 1.07 1.07 1.15
7 8 5
M 0.9 0.9 0.97 0.94 0.92 0.94 0.94 1.0
8 9 9 0
M 0.9 0.9 1.00 1.00 0.95 0.89 0.88 0.8
9 8 8 8
M 0.9 0.9 1.00 1.09 1.12 1.08 1.10 1.24
10 8 7
Relative log predictive likelihood
1Q 2Q 4Q 8Q 12Q 16Q 20Q 6-
10Y
M 1.3 0.7 0.52 5.69 11.2 14.0 14.4 0.0
1 1 4 4 5 3 8
M 2.9 4.2 8.52 22.1 31.5 33.7 33.0 25.5
2 5 4 3 2 0 7 7
M - - - - - - - -
 3 3.0 6.9 12.7 17.7 15.87 10.5 8.09 35.78
4 8 0 5 6
M - - - - - - - <
5 3.2 9.2 18.6 28.6 29.65 27.8 27.9 -100
1 8 6 1 8 9
M 1.4 2.6 5.50 6.37 0.59 3.46 3.17 -
7 9 3 16.01
M 1.4 0.8 0.86 5.75 12.2 15.7 16.1 3.2
8 2 4 6 0 1 8
M 0.9 1.8 - - 1.45 12.5 23.7 13.0
9 1 4 2.29 2.63 1 7 6
M 1.6 2.9 0.61 - - - - -
10 9 3 3.08 5.53 2.26 7.45 29.88

2.6

2.4

2.2

M
1

M
3

M
Figura 9: Pronósticos puntuales
4 para la inflación subyacente del IPC (tasas promedio de cuatro
trimestres) desde M1 con los percentiles 16º a 84º como bandas sombreadas .

4.3 Resultados usando inflación PCE y pronósticos PTR

4.3.1 Resultados de estimación utilizando la muestra completa
En esta subsección, la medida de inflación es la inflación PCE, y la medida de expectativas
de inflación a largo plazo es PTR. Para esta combinación de datos, nuestra muestra se
remonta a 1960 y, por lo tanto, podemos examinar el rendimiento de nuestro modelo
durante un período de tiempo más largo. Las Figuras 10 y 11 y la Tabla 5 proporcionan los
resultados.
Para gran parte de la muestra, especialmente a fines de los años setenta y comienzos de los
ochenta, volvemos a encontrar pruebas fehacientes de que nuestra estimación de la
inflación tendencial se encuentra modestamente por debajo del pronóstico a largo plazo de
los profesionales. Nuestras estimaciones de d0 y d1 son relativamente altas desde finales de
los años setenta hasta aproximadamente 1995, con d1 aumentando hasta 1980 y luego
disminuyendo durante algunos años. Después de 1980, los resultados para λv, t y λn, t son
similares a los de la inflación del IPC. Antes de 1980, λv, t (la volatilidad en la ecuación de
la brecha de inflación) sigue el patrón esperado a mediados y finales de la década de 1970
antes de caer con la Gran moderación. Pero es interesante observar que este patrón no se
repite para λn, t (la volatilidad en la inflación tendencial), que aumenta lentamente a lo
largo de la década de 1970 antes de alcanzar un pico a principios de la década de 1980 y
caer a partir de entonces.
Volviendo a nuestros otros modelos, nuevamente estamos encontrando que el modelo
UCSV-AR está produciendo estimaciones más erráticas de la inflación tendencial (un
patrón más evidente en la muestra de 1960-2016 utilizada en estos resultados que en la
muestra 1980-2016 de nuestro Resultados del IPC).
Las probabilidades marginales del Cuadro 5 arrojan algunas diferencias con respecto a los
resultados de referencia que obtuvimos con las medidas de inflación del IPC. En el ajuste
del modelo, nuestro modelo de referencia (M1) continúa produciendo ganancias
considerables en relación con el modelo Faust-Wright (M5), pero no con relación a la
especificación UCSV-AR (M4). Con inflación PCE, restringir el d0 y el d1 a constantes
mejora ligeramente el ajuste del modelo, de modo que M2 y M3 no son realmente
diferentes de la especificación UCSV-AR (M4) en el ajuste del modelo. Una vez más,
extender el modelo para incluir la brecha de desempleo hace que el modelo se ajuste
mucho peor.
4.3 Resultados usando inflación PCE y pronósticos PTR
4.3.1 Resultados de estimación utilizando la muestra completa
En esta subsección, la medida de inflación es la inflación PCE, y la medida de expectativas
de inflación a largo plazo es PTR. Para esta combinación de datos, nuestra muestra se
remonta a 1960 y, por lo tanto, podemos examinar el rendimiento de nuestro modelo
durante un período de tiempo más largo. Las Figuras 10 y 11 y la Tabla 5 proporcionan los
resultados.
Para gran parte de la muestra, especialmente a fines de los años setenta y comienzos de los
ochenta, volvemos a encontrar pruebas fehacientes de que nuestra estimación de la
inflación tendencial se encuentra modestamente por debajo del pronóstico a largo plazo de
los profesionales. Nuestras estimaciones de d0 y d1 son relativamente altas desde finales de
los años setenta hasta aproximadamente 1995, con d1 aumentando hasta 1980 y luego
disminuyendo durante algunos años. Después de 1980, los resultados para λv, t y λn, t son
similares a los de la inflación del IPC. Antes de 1980, λv, t (la volatilidad en la ecuación de
la brecha de inflación) sigue el patrón esperado a mediados y finales de la década de 1970
antes de caer con la Gran moderación. Pero es interesante observar que este patrón no se
repite para λn, t (la volatilidad en la inflación tendencial), que aumenta lentamente a lo
largo de la década de 1970 antes de alcanzar un pico a principios de la década de 1980 y
caer a partir de entonces.
Volviendo a nuestros otros modelos, nuevamente estamos encontrando que el modelo
UCSV-AR está produciendo estimaciones más erráticas de la inflación tendencial (un
patrón más evidente en la muestra de 1960-2016 utilizada en estos resultados que en la
muestra 1980-2016 de nuestro Resultados del IPC).
Las probabilidades marginales del Cuadro 5 arrojan algunas diferencias con respecto a los
resultados de referencia que obtuvimos con las medidas de inflación del IPC. En el ajuste
del modelo, nuestro modelo de referencia (M1) continúa produciendo ganancias
considerables en relación con el modelo Faust-Wright (M5), pero no con relación a la
especificación UCSV-AR (M4). Con inflación PCE, restringir el d0 y el d1 a constantes
mejora ligeramente el ajuste del modelo, de modo que M2 y M3 no son realmente
diferentes de la especificación UCSV-AR (M4) en el ajuste del modelo. Una vez más,
extender el modelo para incluir la brecha de desempleo hace que el modelo se ajuste
mucho peor.

15 8

10
6
5
4
0
2
−5
0
−10 1960 1970 1980 1990 2000 2010
1960 
t t
1970 1980 1990 2000 2010
z* z*
t t

0.6 1.3

0.4 1.2

0.2 1.1

0 1

−0.2 0 1
d 1970 1980 1990 2000 2010
1960 0.9 d
t t 1970 1980 1990 2000 2010
1960

6 0.08

0.06
4
0.04
2
0.02

0
 1970 1980 1990 2000 2010
1960 0
v,t 1960
n 1970 1980 1990 2000 2010
,t

0.8

0.6

0.4

0.2

0 bt
1960 1970 1980 1990 2000 2010
Figure 10: Posterior Means of π ∗t , bt , λv,t , λn,t , d0t and d1t for M1 (PCE+PTR) Table

5: Log marginal likelihood estimates (PCE+PTR)

M1 M2 M3 M4 M5 M7 M8
-367.28 -366.26 -366.80 -366.35 -372.61 -373.89 -368.34
 10 * t 10 z
z t
t
8 8 *
M tM

6 1 6 4

M
4 4 M
2 7

2 2
M M
3 8
0
0
1960 1970 1980 1990 2000 2010
1960 1970 1980 1990 2000 2010

1
1.4
dM dM
0.8
01 1.3 11
M M
0.6 t2 t2
1.2
0.4 M M
3 1.1 3
0.2 M M
7 1 7
0
M
0.9 M
1960
8 1970 1980 1990 2000 2010 8 1970 1980 1990 2000 2010
1960

20 M 20 M
1 4
v
15 15 ,
v,tM M
t
2 5
10 10
M M
3 7
5 5
M
8
0
0
1960 1970 1980 1990 2000 2010
1960 1970 1980 1990 2000 2010

0.2 0.6 M
M 4
n,1
0.15 t n
M
0.4 ,M
2 t7
0.1
M M
3 0.2 8
0.05

0
0
1960 1970 1980 1990 2000 2010
1960 1970 1980 1990 2000 2010

1 1
bt b
M t
0.8 1 0.8 M
4
M
0.6 2 0.6 M
7

0.4 M 0.4
3 M
8
0.2 0.2

0
0
1960 1970 1980 1990 2000 2010
1960 1970 1980 1990 2000 2010

Figure 11: Comparison of posterior means of π ∗t , bt , λv,t , λn,t , d0t and d1t for different
 models (PCE+PTR)

12 12

10 10

8 8

6 6

4 4

t t
2 zM 2 zM
1 4
0 M M
19702 1980 1990 2000 2010 0 7
1970 1980 1990 2000 2010
M M
3 8
Figure 12: Posterior means of pseudo-real time estimates of π ∗t (PCE + PTR).

4.3.2 Usando nuestro modelo en tiempo real

Las estimaciones en tiempo real de la inflación tendencial se muestran en la Figura 12. M1

está nuevamente produciendo estimaciones de inflación tendencial más razonables -en
nuestra evaluación, menos variables- que las más volátiles producidas por UCSV-AR.
En los resultados de pronósticos pseudo fuera de la muestra de la Tabla 6 para la inflación
PCE, el rendimiento previsto de los modelos que incorporan expectativas de inflación a
largo plazo es, en términos generales, similar al rendimiento del modelo UCSV-AR.
Nuestro modelo propuesto M1 a menudo mejora la precisión del modelo de referencia,
pero solo ligeramente. Restringir los coeficientes d0 y d1 del modelo para que sean
constantes en 0 y 1, respectivamente, mejora muy ligeramente la precisión del modelo,
pero no en un grado notable.

Finalmente, los pronósticos fuera de muestra para 2021 para la inflación del PCE en la
Figura 13 muestran un patrón similar a los obtenidos para la inflación del IPC (reportada
en la Figura 5). Nuevamente reflejando las diferencias en las estimaciones de tendencia, el
pronóstico de inflación PCE de M1 es modestamente más alto que el pronóstico del modelo
restringido M3 y notablemente superior al pronóstico del modelo UCSV-AR, que tiene una
inflación inferior al 1% para los próximos cinco años. Dicho esto, todos los pronósticos
puntuales están por debajo del nivel de las expectativas de inflación a largo plazo (que no
se muestran en la tabla), que es aproximadamente del 2 por ciento.

5 Una comparación internacional

Los datos de CE nos permiten utilizar métodos desarrollados en este documento con
pronósticos de encuestas construidos de una manera internacionalmente comparable. En
esta sección, presentamos resultados para Italia, Japón y el Reino Unido utilizando los
pronósticos de largo plazo de CE como medidas de la inflación esperada. En aras de la
brevedad, nos centramos en los modelos M1 a M5 y M8 (es decir, los modelos que usan
solo datos sobre inflación y un pronóstico de encuesta a largo plazo). Tenga en cuenta que
estos conjuntos de datos tienen un período de muestra más corto, por lo que nuestras
estimaciones comienzan en 1990. Dado que el período de 1990 a la Gran Recesión y la
crisis financiera fue un tiempo relativamente estable en la mayoría de las economías
avanzadas, en esta sección nos falta parte de la variabilidad que estuvo presente en los
conjuntos de datos de EE. UU. de la sección anterior.

Table 6: RMSFEs and log predictive likelihood for forecasting PCE inflation relative to UCSV-AR

Relative
RMSFE
1Q 2Q 4Q 8Q 12Q 16Q 20Q 6-
10Y
M 0.9 0.9 0.96 0.98 0.99 1.01 1.06 1.07
1 8 7
M 0.9 0.9 0.96 0.98 0.99 1.02 1.15 1.24
2 8 8
M 0.9 0.9 0.95 0.96 0.96 0.98 1.02 1.02
3 8 8
M 1.0 1.0 1.05 1.02 1.03 1.05 1.09 1.02
5 2 4
M 0.9 0.9 0.98 0.99 1.00 1.03 1.07 1.04
7 9 9
M 0.9 0.9 0.95 0.97 0.97 0.99 1.04 1.06
8 8 7
M 1.0 1.0 1.10 1.23 1.36 1.55 1.82 3.85
9 0 2
M 1.0 1.0 1.15 1.18 1.26 1.35 1.45 >
10 3 6 100
Relative log predictive likelihood
1Q 2Q 4Q 8Q 12Q 16Q 20Q 6-
10Y
M 1.4 2.7 4.25 1.23 8.02 5.61 0.32 -
1 5 3 73.7
3
M 1.2 2.6 6.29 5.60 11.4 9.34 5.0 3.71
2 4 9 9 3
M 0.8 1.8 3.88 4.35 11.0 10.5 8.2 -
3 0 8 7 7 5 45.7
8
M - - - - - - - <
5 3.5 4.5 4.78 12.2 12.1 16.0 20.02 -100
7 5 8 8 4
M - - - 2.17 5.42 0.67 - -
7 1.1 1.8 0.15 4.44 59.2
5 5 3
M 0.3 1.1 4.31 5.51 9.45 5.22 2.84 -
8 1 5 77.6
 2
M - - - - - - < <
9 0.0 1.9 5.68 19.9 44.3 66.0 -100 -100
3 4 9 0 3
M - - - - - - - <
10 3.9 6.4 12.3 27.6 57.1 46.8 57.68 -100
0 3 5 0 3 5

2.5

1.5

M
1
1

M
3

0.5 M
4

2016Q2 2017Q1 2018Q1 2019Q1 2020Q1 2021Q1

Figure 13: Point forecasts for PCE inflation (four-quarter average rates) from M1 with the 16th-84th
percentiles as shaded bands.

Table 7: Log marginal likelihood estimates, other countries

 count M1 M2 M3 M4 M5 M8
ry
Italy - - - - – -
134.3 134.9 134.0 137.9 135.1 134.7
4 6 2 2 4 0
Japan - - - - - -
196.7 193.7 202.5 196.7 203.1 197.0
9 4 3 2 0 9
UK - - - - - -
164.7 165.8 165.4 166.5 167.3 164.5
9 8 1 6 7 0

Las Figuras 14, 15 y 16 proporcionan estimaciones de nuestro modelo de referencia (M1)

para Italia, Japón y el Reino Unido, respectivamente. Las Figuras 17, 18 y 19 proporcionan
comparaciones de estimaciones entre los modelos M1 a M5 y M8, para Italia, Japón y el
Reino Unido, respectivamente.

Considere primero las estimaciones de la inflación tendencial. En la sección anterior,

encontramos que nuestro modelo produjo estimaciones que fueron consistentemente
ligeramente menores que las predicciones de los profesionales. Este hallazgo también es
válido para Japón (Figura 15). Para el Reino Unido, es la mayor parte del tiempo. Pero para
Italia, nuestra estimación de la inflación tendencial está muy cerca de la encuesta de
profesionales (Figura 14). En los resultados de EE. UU., También encontramos que las
estimaciones de tendencia de UCSV-AR son más erráticas que las de nuestro modelo de
referencia. En la muestra más corta para otros países, este mismo hallazgo se aplica a Italia
(Figura 17) pero no a Japón (Figura 18) o al Reino Unido (Figura 19).

Con los datos de EE. UU., Encontramos evidencia considerable contra las restricciones d0t
= 0 y d1t = 1. Esto también es válido en nuestras estimaciones para Japón y el Reino Unido,
pero no para Italia. Sin embargo, la forma en que cada país se aparta de esta restricción es
un poco diferente. Para Japón, la restricción d1t = 1 es compatible, pero d0t es positiva y
bastante grande, lo que indica que los pronósticos de los profesionales están
consistentemente por encima de la inflación tendencial. Un patrón similar se mantiene en
el Reino Unido, pero solo desde fines de la década de 1990 hasta la crisis financiera. Existe
una variación sustancial de tiempo en las estimaciones del Reino Unido de d0t y d1t. En
general, estamos encontrando una gama de patrones, pero, aparte de Italia, nunca
encontramos un apoyo sólido que las encuestas a largo plazo proporcionen estimaciones no
sesgadas de la inflación tendencial.

Con respecto a la volatilidad estocástica, estamos encontrando algo menos de evidencia de

su presencia en las muestras más cortas para Italia, Japón y el Reino Unido que en las
muestras más largas de datos de EE. UU. Como se señaló anteriormente, con nuestra
muestra para el IPC en los EE. UU., Λv, t (volatilidad de la brecha de inflación) y λn, t
(volatilidad de la tendencia inflacionaria) tendieron a la baja en la década de 1980 y luego
cambiaron poco, con la notable excepción de un pico en λv, t alrededor de la Gran
Recesión. Con los otros países, hay una disminución en λn, t en la década de 1990 y una
variación temporal en λv, t para Japón, pero por lo demás, la volatilidad es relativamente
 Además, nuestros resultados internacionales corroboran los resultados de EE. UU. Que indican que las
estimaciones del modelo M8, que permite que zt dependa de una brecha de inflación rezagada, son muy
similares a las del modelo de línea de base M1.
estable. También es interesante observar que, especialmente para Italia y el Reino Unido,
las estimaciones de λn, t son mucho más altas para el modelo UCSV-AR (M4) que nuestro
modelo de referencia (M1), lo que explica por qué este modelo produce estimaciones más
erráticas de la tendencia inflacionaria.

La Tabla 7 presenta comparaciones de verosimilitud marginal para los modelos aplicados a

cada país. En todos los casos, nuestro modelo propuesto ajusta los datos de inflación tan
bien o mejor que los modelos UCSV-AR (M4) y Faust-Wright (M5). Para Italia, M1 es
significativamente mejor que M4 pero solo modestamente mejor que M5. Para Japón, M1
es significativamente mejor que M5 pero casi igual en forma que el modelo M1. Para el
Reino Unido, M1 se ajusta a los datos significativamente mejor que los modelos M4 y M5.
En todos los países, la evidencia con respecto a las restricciones en los coeficientes d0 y d1
es mixta. Para Italia, las restricciones de los modelos M2 y M3 no dañan ni ayudan a
ajustar el modelo. Para Japón, la imposición de restricciones de 0,1 reduce
significativamente el ajuste del modelo, pero hacer que las constantes de los coeficientes
sean estimadas mejora significativamente, haciendo M2 la especificación que mejor se
ajusta. Para el Reino Unido, imponer las restricciones de los modelos M2 y M3 reduce
ligeramente el ajuste del modelo. Extender el modelo de referencia para permitir que la
expectativa de inflación zt dependa de la brecha de inflación rezagada, como lo hace el
modelo M8
- no parece mejorar el ajuste del modelo.

10 6
π* π*
t t
zt zt
π
t
4

1990 2000 2010 1990 2000 2010

 2 1.5

1.5

0.5
d
0 d
1
t t

-0.5
0.5
1990 1995 2000 2005 2010 2015
1990 1995 2000 2005 2010 2015

6 0.06
λ
n,t

4 0.04

λv
,
2 0.02
t

1990 1995 2000 2005 2010 2015

0

1990 1995 2000 2005 2010 2015

0.8

0.6

0.4
b
t

0.2

1990 1995 2000 2005 2010 2015

Figure 14: Posterior Means of π ∗t , bt , λv,t , λn,t , d0t and d1t for Italy. Shaded bands are
16th-84th percentiles
 10 6

* *
π π
z 4 z
t t
π
5 t

1990 2000 2010 1990 2000 2010

2
1.5
d
d
0t
1t
1.5

0.5

-0.5
0.5
1990 1995 2000 2005 2010 2015
1990 1995 2000 2005 2010 2015

6
0.06
λ
λ n,t
v,t

4 0.04

2 0.02

0
 1990 1995 2000 2005 2010 2015 0

1990 1995 2000 2005 2010 2015

b
t

0.8

0.6

0.4

0.2

1990 1995 2000 2005 2010 2015

Figure 15: Posterior Means of π ∗t , bt , λv,t , λn,t , d0t and d1t for Japan. Shaded bands are
16th-84th percentiles
 10 6
π* π*
t t
zt zt
π
t
4

1990 2000 2010 1990 2000 2010

2 1.5

1.5

0.5
d
0 d
1
t t

-0.5
0.5
1990 1995 2000 2005 2010 2015
1990 1995 2000 2005 2010 2015

6 0.06

4 0.04

λv λn
, ,
2 0.02
t t

0
 1990 1995 2000 2005 2010 2015 0

1990 1995 2000 2005 2010 2015

0.8

0.6

0.4
b
t

0.2

1990 1995 2000 2005 2010 2015

Figure 16: Posterior Means of π ∗t , bt , λv,t , λn,t , d0t and d1t for the UK. Shaded bands are
16th-84th percentiles
 6 6
z z
t t
M1 M4
4 M2 4 M8
M3

2 2

π* π
t *
0 0t

-2 -2
1990 2000 2010 1990 2000 2010

2 1.5
M1
M2
M3
1.5 M8

1 1
M1
d
0
1
d
t M2 t
0.5 M3

0.5
0
1990 2000 2010
1990 2000 2010

6 6
M1 M4

M2 M5
4 4

2 2
λ λ
v,t v
,
t
0 0
1990 2000 2010 1990 2000 2010

0.3 0.3
M1 M4
M2
M3 M8
 n,t n
,
t

0.2 0.2

0.1 0.1

0 0
1990 2000 2010 1990 2000 2010

1 1
M1 M4
M2
M3 M8

0.5 0.5

b
t b
t

0 0
1990 2000 2010 1990 2000 2010

Figure 17: Comparison of posterior means of π ∗t , bt , λv,t , λn,t , d0t and d1t for diferent
models, for Italy
 6 6
z z
t t
M1 M4
4 M2 4 M8
M3

2 2

π* π
t *
0 0t

-2 -2
1990 2000 2010 1990 2000 2010

2 1.5
M1
M2
M3
1.5 M8

1 1
M1
0
d
t M2
d
1
t
0.5 M3

0.5
0
1990 2000 2010
1990 2000 2010

6 6
M1 M4

M2 M5
4 4

2 2
λ λ
v,t v
,
t
0 0
1990 2000 2010 1990 2000 2010

0.3 0.3
M1 M4
M2
M3 M8

35
 n,t n
,
t

0.2 0.2

0.1 0.1

0 0
1990 2000 2010 1990 2000 2010

1 1
M1 M4
M2
M3 M8

0.5 0.5

b
t b
t

0 0
1990 2000 2010 1990 2000 2010

Figure 18: Comparison of posterior means of π ∗t , bt , λv,t , λn,t , d0t and d1t for diferent
models, for Japan

35
 6 6
z z
t t
M1 M4
4 M2 4 M8
M3

2 2

π* π
t *
0 0t

-2 -2
1990 2000 2010 1990 2000 2010

2 1.5
M1
M2
M3
1.5 M8

1 1
M1
d
0
1
d
t M2 t
0.5 M3

0.5
0
1990 2000 2010
1990 2000 2010

6 6
M1 M4

M2 M5
4 4

2 2
λ λ
v,t v
,
t
0 0
1990 2000 2010 1990 2000 2010

0.3 0.3
M1 M4
M2
M3 M8

36
 n,t n
,
t

0.2 0.2

0.1 0.1

0 0
1990 2000 2010 1990 2000 2010

1 1
M1 M4
M2
M3 M8

0.5 0.5

b
t b
t

0 0
1990 2000 2010 1990 2000 2010

Figure 19: Comparison of posterior means of π ∗t , bt , λv,t , λn,t , d0t and d1t for diferent
models, for the UK

6 Discusión

We have proposed our new model for several reasons. First, as a way of improving
estimates of trend inflation by drawing strength from surveys of professional forecasters.
Second, as a way of investigating whether these surveys are unbiased in the sense used in
this paper (i.e., that they provide unbiased estimates of an econometric estimate of trend
inflation or, equivalently, that d0t = 0 and d1t = 1). Third, as a model that might improve
on existing specifications in fitting historical inflation data. Finally, as a simple model that
might improve inflation forecasts over other simple models such as UCSV. Recently, there
have been several influential papers which attempt to address the question of why survey-
based forecasts might be biased. This is not the main focus of our paper, but some short
discussion of this issue is warranted.

Our model allows for the possibility that survey expectations may become discon- nected
from the longer-run trend in inflation. That disconnection could take the relatively modest
form of a systematic bias, or it could take the form of a more dramatic departure from
rational expectations, with the survey expectation showing little connection to the longer-
run trend in inflation. Studies such as Coibion and Gorodnichenko (2015) have presented
evidence that survey forecasts depart from rationality in that they are subject to sluggish
adjustment consistent with information rigidities. Mertens and Nason (2015) develop a
joint model of inflation and inflation forecasts that permits time variation in the strength of
the information rigidities. In light of this evidence, we have used our sample of Blue Chip
forecasts of CPI inflation to produce estimates of the Coibion-Gorodnichenko stickiness
regression. In this data, these estimates do not point to strong evidence of such
information rigidities (however, this does not rule out bias or other manifestations of
37
irrationality in the forecasts).

Aunque se puede considerar que esta evidencia respalda nuestro desarrollo de un modelo
que no impone restricciones paramétricas consistentes con el marco Coibion-
Gorodnichenko, nuestro modelo puede verse como la incorporación de características que
podrían capturar los efectos de las rigideces de la información de una manera flexible. En
términos generales, nuestro modelo puede verse como similar al de Mertens y Nason
(2015); las diferencias reflejan una elección deliberada de imponer menos restricciones
paramétricas y permitir una mayor flexibilidad, particularmente en la representación de
pronósticos de inflación de la encuesta. Más específicamente, si hacemos abstracción de los
parámetros y volatilidades variables en el tiempo para simplificar, nuestro proceso para la
inflación real es bastante similar al de Mertens y Nason. En el proceso para el pronóstico
de la encuesta (recuérdese también que diferimos en nuestra especificación del horizonte
de pronóstico), Mertens y Nason incorporan una estructura jerárquica con un estado
latente adicional para el pronóstico de inflación del cual depende el pronóstico de la
encuesta observada, con el estado latente incorporando la dinámica autorregresiva y la
inflación tendencial, mientras que en cambio relacionamos la previsión observada de la
encuesta con una intercepción variable en el tiempo, la inflación tendencial con un
coeficiente variable en el tiempo y un término de error MA. En la medida en que los
pronósticos de la encuesta tengan rigidez, esta rigidez puede ser subsumida en nuestro
intercepto que varía con el tiempo y el término de error MA.

En términos más generales, algunas investigaciones recientes desarrollan marcos en los

que las expectativas de inflación a largo plazo podrían apartarse de las medidas de la
inflación tendencial. Cecchetti, y col. (2017) argumentan que las expectativas de inflación
no necesitan estar muy vinculadas a la inflación. Con base en sus resultados empíricos,
caracterizan la inflación como fluctuante en torno a una media local variable en el tiempo
(que también capturan con un proceso de caminata aleatorio como nuestra tendencia).
Sugieren que las expectativas de inflación basadas en encuestas tienen valor como
indicadores de la media local variable en el tiempo, pero de lo contrario tienen poco
contenido de información para la inflación. En un nivel alto, su interpretación de los datos
parecería ser una en la que las medidas de la encuesta de inflación a largo plazo podrían ser
medidas sesgadas de inflación tendencial (su media local). Más formalmente, algún otro
trabajo reciente de Hills, Nakata y Schmidt (2016) sobre las complejidades creadas por la
política monetaria restringida por el límite inferior cero en las tasas de interés indica que la
inflación promedio puede estar constantemente por debajo de los objetivos del banco
central. Los resultados en Kiley y Roberts (2017) y otros estudios citados allí sugieren la
necesidad de un ajuste de riesgo a las tasas de interés de política, para hacer que la política
sea más acomodaticia de lo que podría ser, para que los bancos centrales logren los
objetivos de inflación. Hasta que el público llegue a apreciar plenamente tales
implicaciones, parece plausible que las medidas de las expectativas de inflación basadas en
encuestas puedan exceder la inflación promedio (tendencial). Ciertamente, tales
preocupaciones con restricciones de límite inferior cero solo se aplican a datos bastante
recientes para la mayoría de los países, excepto Japón, para los cuales el historial relevante
es más largo. Sin embargo, señalan el hecho de que aún queda mucho por hacer para
comprender completamente la dinámica de la inflación y las expectativas de inflación,
como se describe en fuentes como Bernanke (2007).

 Ejecutamos la regresión de Coibion-Gorodnichenko utilizando pronósticos de Blue Chip a largo y corto

plazo para la inflación del IPC en varias muestras.
38
7 Resumen y Conclusión
En este documento, hemos desarrollado un modelo bivariante de inflación y
expectativas de inflación que incorpora características empíricamente
importantes tales como los parámetros variables en el tiempo y la volatilidad
estocástica. En un sentido amplio, hemos utilizado nuestro modelo para
investigar la relación entre estas dos variables. En un sentido más estricto,
hemos investigado el grado en que los pronósticos de inflación a largo plazo
basados en encuestas pueden usarse para informar las estimaciones de la
inflación tendencial (por ejemplo, al aumentar la precisión), mejorar el ajuste de
los datos históricos de inflación y mejorar la precisión de los pronósticos fuera
de la muestra. En un extenso ejercicio empírico que involucra tres
combinaciones de medidas de inflación de EE. UU. Y pronósticos de inflación a
largo plazo, encontramos una historia consistente: las predicciones de inflación
a largo plazo proporcionan información adicional útil para informar las
estimaciones de inflación tendencial y mejorar el ajuste de la inflación. modelos
de inflación. Sin embargo, las previsiones en sí mismas no se pueden equiparar
simplemente con la inflación tendencial. En el pronóstico fuera de la muestra,
nuestro modelo arroja pronósticos de punto y densidad que son al menos tan
buenos como los de otros modelos que se han encontrado exitosos en la
literatura de pronósticos de inflación. En las estimaciones para Italia, Japón y el
Reino Unido, encontramos una historia similar en la mayoría de los casos. Sin
embargo, para Italia nos parece que basta con equiparar la inflación tendencial
con las previsiones a largo plazo por parte de los profesionales. Sin embargo, es
tranquilizador que estamos descubriendo este resultado en el contexto de un
modelo econométrico flexible en lugar de simplemente imponerlo a priori.
La historia capturada por nuestras estimaciones indica que la distinción entre la
inflación de tendencia y las expectativas de inflación a largo plazo capturadas
por las encuestas en los EE. UU. Es prácticamente importante. Por ejemplo,
como se señaló en la introducción, durante la mayor parte del período desde
2008, la inflación en el índice de precios del PCE ha estado por debajo del
objetivo de inflación a largo plazo del 2 por ciento de la Reserva Federal. En los
últimos años, la inflación ha disminuido a niveles muy bajos. Sin embargo,
durante varios años antes de la recesión que comenzó en 2007, la inflación se
mantuvo constantemente por encima del objetivo. Algunas estimaciones de la
inflación tendencial basadas enteramente en la inflación -como en la
especificación UCSV de Stock y Watson (2007) - han cambiado con la inflación,
aumentando a principios y mediados de la década de 2000 y disminuyendo
marcadamente desde mediados de la década de 2000 hasta 2016. En la otras
expectativas extremas de inflación a largo plazo, medidas a partir de la Encuesta
de pronosticadores profesionales, se han mantenido estables en torno al 2 por
ciento (con alzas y bajas ocasionales). Basándose en la información tanto de la
inflación como de la expectativa a largo plazo de la encuesta, la estimación de
tendencia de nuestro modelo es mucho más suave que la estimación de una
especificación UCSV univariante, lo que implica una tendencia estable frente al
aumento de la inflación en los últimos años. antes de la recesión y la caída desde
la recesión. De hecho, las estimaciones de nuestro modelo muestran que la
inflación tendencial es aún más estable que la expectativa de la encuesta (que
contiene un poco menos de ruido que la encuesta). Sin embargo, de acuerdo con
un sesgo histórico en el pronóstico de la encuesta, nuestra estimación de la
inflación tendencial se ha mantenido estable durante algún tiempo, ligeramente
por debajo de la expectativa de la encuesta. En ocasiones, las diferencias en los
modelos podrían tener implicaciones prácticas importantes para la política. En
particular, como mostramos en pronósticos fuera de muestra hasta el año 2021,
el pronóstico de inflación general de nuestro modelo preferido es mucho más
consistente con el objetivo de inflación a más largo plazo de la Reserva Federal
que el pronóstico de una especificación UCSV similar a Stock y Watson (2007).
Referencias
Aruoba, B. (2016). “Term Structures of Inflation Expectations and Real Interest
Rates.” Manuscript, University of Maryland.
Bednar, W., and T. Clark. (2014). “Methods for Evaluating Recent Trend
Inflation.” Economic Trends, Federal Reserve Bank of Cleveland, March 28.
Bernanke, B. (2007). “Inflation Expectations and Inflation Forecasting.” Speech
at the Monetary Economics Workshop of the National Bureau of Economic
Research Summer Institute, Cambridge, Massachusetts, July 10.
Cecchetti, S., Feroli, M., Hooper, P., Kashyap, A. and Schoenholtz, K. (2017).
“De- flating Inflation Expectations: The Implications of Inflation’s Simple
Dynamics.” Manuscript prepared for the 2017 U.S. Monetary Policy Forum.
Chan, J. (2013). “Moving Average Stochastic Volatility Models with Application
to Inflation Forecast.” Journal of Econometrics 176, 162–172.
Chan, J. and E. Eisenstat. (2015). “Bayesian Model Comparison for Time-
varying Parameter VARs with Stochastic Volatility.”CAMA Working Paper
32/2015.
Chan, J., and I. Jeliazkov. (2009). “Efficient Simulation and Integrated
Likelihood Estimation in State Space Models.” International Journal of
Mathematical Modelling and Numerical Optimisation 1, 101-120.
Chan, J., G. Koop, and S.M. Potter. (2013). “A New Model of Trend Inflation.”
Journal of Business and Economic Statistics 31, 94-106.
Chan, J., G. Koop, and S.M. Potter. (2016). “A Bounded Model of Time
Variation in Trend Inflation, NAIRU and the Phillips Curve.” Journal of Applied
Econometrics 31, 551-565.
Clark, T., and T. Doh. (2014). “Evaluating Alternative Models of Trend
Inflation.” International Journal of Forecasting 30, 426-448.
Coibion, O., and Y. Gorodnichenko. (2015). “Information Rigidity and the
Expec- tations Formation Process: A Simple Framework and New Facts.”
American Economic Review 105, 2644-2678.
Cogley, T., G. Primiceri, and T. Sargent. (2010). “Inflation-gap Persistence in the
US.” American Economic Journal: Macroeconomics 2, 43-69.
D’Agostino, A., L. Gambetti, and D. Giannone. (2013). “Macroeconomic
Forecasting and Structural Change.” Journal of Applied Econometrics 28, 82-
101.
Del Negro, M., D. Giannone, M. Giannoni, and A. Tambalotti. (2017). “Safety,
Liquidity, and the Natural Rate of Interest.” Brookings Papers on Economic
Activity, forthcoming.
Del Negro, M., and F. Schorfheide. (2013). “DSGE Model-based Forecasting.” In
G. Elliott & A. Timmermann (Eds.), Handbook of Economic Forecasting,
Volume 2. Amsterdam: North Holland.
Erceg, C. and A. Levin. (2003). “Imperfect Credibility and Inflation
Persistence,” 50, 915–944.
Faust, J., and J. Wright. (2013). “Forecasting Inflation.” In G. Elliott & A. Tim-
mermann (Eds.), Handbook of Economic Forecasting, Volume 2. Amsterdam:
North Holland.
Fuhrer, J., G. Olivei, and G. Tootell. (2012). “Inflation Dynamics When Inflation
is Near Zero.” Journal of Money, Credit and Banking, 44, 83-122.

Garnier, C., E. Mertens, and E. Nelson. (2015). “Trend Inflation in Advanced

Economies.” International Journal of Central Banking 11 (Supplement 1), 65-
136.
Jarocinski, M., and M. Lenza. (2015). “Output Gap and Inflation Forecasts in a
Bayesian Dynamic Factor Model of the Euro Area.” Manuscript, European
Central Bank. Kass, R., and A. Raftery. (1995). “Bayes Factors.” Journal of the
American Statistical
Association 90, 773-795.
Kiley, M., and J. Roberts. (2017). “Monetary Policy in a Low Interest Rate
World.” Brookings Papers on Economic Activity, forthcoming.
Kim, S., N. Shepherd and S. Chib. (1998). “Stochastic Volatility: Likelihood
Infer- ence and Comparison with ARCH models.” Review of Economic Studies
65, 361-393.
Koop, G. (2003). Bayesian Econometrics. New York: John Wiley & Sons.
Koop, G., and D. Korobilis. (2010). “Bayesian Multivariate Time Series Methods
for Empirical Macroeconomics.” Foundations and Trends in Econometrics 3,
267-358.
Kozicki, S., and P. Tinsley. (2001). “Shifting Endpoints in the Term Structure of
Interest Rates.” Journal of Monetary Economics 47, 613-652.
Kozicki, S., and P. Tinsley. (2012). “Effective Use of Survey Information in
Estimating the Evolution of Expected Inflation.” Journal of Money, Credit and
Banking 44, 145-169.
Mertens, E. (2016). “Measuring the Level and Uncertainty of Trend Inflation.”
Review of Economics and Statistics, 98, 950-967.
Mertens, E. and Nason, J. (2015). “Inflation and Professional Forecast Dynam-
ics: An Evaluation of Stickiness, Persistence and Volatility.” Manuscript
available at http://www.elmarmertens.com/research/workingpapers.
Mehrotra, A., and J. Yetman. (2014). “Decaying Expectations: What Inflation
Forecasts Tell us About the Anchoring of Inflation Expectations.” BIS Working
Papers No. 464.
Mishkin, F. (2007). “Inflation Dynamics.” Speech at the Annual Macro
Conference, Federal Reserve Bank of San Francisco, March 23.
Morley, J., J. Piger, and R. Rasche. (2015). “Inflation in the G7: Mind the
Gap(s)?” Macroeconomic Dynamics 19, 883-912.
Hills, T., T. Nakata, and S. Schmidt. (2016). “The Risky Steady State and the
Interest Rate Lower Bound.” manuscript.
Nason, J., and G. Smith. (2014). “Measuring the Slowly Evolving Trend in US
Inflation with Professional Forecasts.” Centre for Applied Macroeconomic
Analysis, Aus- tralian National University, Working Paper 7/2014.
Nason, J., and G. Smith. (2016). “Sticky Professional Forecasts and the
Unobserved Components Model of US Inflation.” Manuscript, North Carolina
State University.
Rudd, J., and E. Peneva. (2015). “The Passthrough of Labor Costs to Price
Inflation.” Finance and Economics Discussion Series Working Paper 2015-042,
Board of Governors of the Federal Reserve System.
Stella, A., and J. Stock. (2013). “A State-dependent Model for Inflation
Forecasting.” Board of Governors of the Federal Reserve System, International
Finance Discussion Papers, Number 1062.
Stock, J. and M. Watson. (2007). “Why has U.S. Inflation Become Harder to
Fore- cast?” Journal of Money, Credit and Banking 39, 3-33.

Stock, J. and M. Watson. (2015). “Core Inflation and Trend Inflation.” Review of
Economics and Statistics, forthcoming.
Wright, J. (2013). “Evaluating Real Time VAR Forecasts with an Informative
Demo- cratic Prior.” Journal of Applied Econometrics 28, 762-776.

Apéndice técnico
Este apéndice proporciona el algoritmo MCMC anterior y utilizado en este
documento para nuestro modelo de referencia (modelo M1) y sus variantes,
detalla el algoritmo de estimación, explica el cálculo de probabilidades
marginales y proporciona los antecedentes para TVP-VAR y TVP-VECM
utilizados en la comparación del pronóstico.