Escolar Documentos
Profissional Documentos
Cultura Documentos
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).
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).
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.
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.
zt = d0t + d1t π ∗t + d2t (π t−1 − π ∗t−1 ) + sz,t sz,t ∼ N (0, σ 2z). (11)
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).
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
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.
3 Data
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.
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.
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
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
*
M1 M2 M3 M4 M5 M6 M7 M8
-277.29 -278.60 -278.60 -284.41 -279.33 -275.33 -283.10 -277.45
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
Figura 5: Pronósticos puntuales para la inflación del IPC (tasas promedio cuatrimestrales) desde
M1 con los percentiles 16º a 84º como bandas sombreadas.
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)
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 .
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
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).
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.
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
Figure 13: Point forecasts for PCE inflation (four-quarter average rates) from M1 with the 16th-84th
percentiles as shaded bands.
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.
10 6
π* π*
t t
zt zt
π
t
4
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
0.8
0.6
0.4
b
t
0.2
* *
π π
z 4 z
t t
π
5 t
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
b
t
0.8
0.6
0.4
0.2
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
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
0.8
0.6
0.4
b
t
0.2
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.
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.