Aplicación de un Modelo de Series de Tiempo para el pronóstico de la Tasa de Inflación del Perú
Article Sidebar
Main Article Content
Abstract
La presente investigación tuvo como objetivo estimar un modelo para la obtención de pronósticos confiables de la tasa de inflación para un horizonte a mediano plazo. La estabilidad de precios es condición necesaria para el desarrollo de las actividades económicas y constituye uno de los objetivos macroeconómicos fundamentales. Con información histórica de una serie mensual de la tasa de inflación, para el periodo enero 2013 a setiembre 2023, y la aplicación del método de Box y Jenkins, se estima un modelo SARIMA (1,1,1) (0,0,1) [12]. Los resultados permiten contar con información confiable y oportuna para la adecuada toma de decisiones por parte de los agentes económicos y los responsables de la política económica en nuestro país.
Article Details
References
Abel, A., Bernanke, B., & Dean, C. (2024). Macroeconomics, Global Edition (11th ed.). Pearson Education.
Álvarez García, A. K., & Velita Zorrilla, R. (2022). Pronóstico condicional de la inflación peruana : un enfoque Bayesiano. Pensamiento Crítico, 27(1), 113–135. https://revistasinvestigacion.unmsm.edu.pe/index.php/econo/article/view/23282
Andueza, A., Del Arco-Osuna, M. Á., Fornés, B., González-Crespo, R., & Martín-álvarez, J. M. (2023). Using the Statistical Machine Learning Models ARIMA and SARIMA to Measure the Impact of Covid-19 on Official Provincial Sales of Cigarettes in Spain. International Journal of Interactive Multimedia and Artificial Intelligence, 8(1), 73–87. https://doi.org/10.9781/ijimai.2023.02.010
Arana Cerna, B. E., Mena Farfán, K. V., & Núñez Caballero, A. M. (2021). Modelo Sarima Para El Pronóstico Del Índice Mensual De Precios Al Consumidor De Lima Metropolitana. Tzhoecoen, 13(1), 101–120. https://doi.org/10.26495/tzh.v13i1.1876
Banco Central de Reserva del Perú. (2023). Panorama actual y proyecciones macroeconómicas 2023-2024. In Reporte de inflacion - Setiembre 2023. https://www.bcrp.gob.pe/docs/Publicaciones/Reporte-Inflacion/2023/setiembre/reporte-de-inflacion-setiembre-2023.pdf
Box, G., Jenkins, G., Reinsel, G., & Ljung, G. (2016). Time Series Analysis: Forecasting and Control (5th ed.). John Wiley & Sons, Inc.
Castillo Bardález, P. (2021). La Estabilidad de Precios y el Ccrecimiento Económico: Lecciones de la Experiencia Peruana. Económica, 13, 137–147. https://revistas.pucp.edu.pe/index.php/economica/article/view/25084
Deistler, M., & Scherrer, W. (2022). Time Series Models. Springer Cham. https://doi.org/https://doi.org/10.1007/978-3-031-13213-1
Eissa, N. (2020). Forecasting the GDP per Capita for Egypt and Saudi Arabia Using ARIMA models. Research in World Economy, 11(1), 247–258. https://doi.org/10.5430/RWE.V11N1P247
El Habib, E. A. J. (2020). Análisis de Series Temporales: Uso Del Transporte Público en Barcelona [Universidad Politécnica de Catalunya]. https://acortar.link/O9Kxtk
Enders, W. (2014). Applied Econometric Time Series (4th ed.). John Wiley & Sons, Inc.
Erokhin, V., Tianming, G., & Andrei, J. V. (2023). Contemporary Macroeconomics. Springer Singapore. https://doi.org/10.1007/978-981-19-9542-2_8
Espinoza Ipanaque, P. C. (2023). Inflación en el Perú ante Choques de Precios Internacionales de Energía y Alimentos. Quipukamayoc, 31(65), 41–52. https://doi.org/10.15381/quipu.v31i65.24508
Ghysels, E., & Marcellino, M. (2018). Applied Economic Forecasting using Time Series Methods. Oxford University Press. https://file-lianxh.oss-cn-shenzhen.aliyuncs.com/Refs/Books/Ghysels-2018-Applied-Economic-Forecasting-using-Time-Series-Methods.pdf
Guerra Rodríguez, J. (2022). Fundamentos y variantes de los modelos ARIMA para el análisis de series temporales . Aplicación a la estadística universitaria. Universidad de Laguna. https://acortar.link/glhrM1
Hernández Sampieri, R., & Mendoza Torres, C. P. (2018). Metodología de la investigación: las tres rutas cuantitativa, cualitativa y mixta. Mc Graw Hill. http://repositorio.uasb.edu.bo:8080/handle/54000/1292
Huertas, N., & Donado, S. (2018). Evaluación rítica de la función AUTO.ARIMA de R en la identificación de procesos de series de tiempo [Universidad Los Andes de Colombia]. http://hdl.handle.net/1992/45515
Hyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and Practice (2nd ed.). OTexts.
Instituto Nacional de Estadística e Informática. (2023). Índices de Precios. https://m.inei.gob.pe/estadisticas/indice-tematico/price-indexes/
Jalil, A., & Rao, N. H. (2019). Time Series Analysis (Stationarity, Cointegration, and Causality). In Environmental Kuznets Curve (EKC): A Manual (pp. 85–99). Elsevier. https://doi.org/10.1016/B978-0-12-816797-7.00008-4
Karadzic, V., & Pejovic, B. (2021). Inflation Forecasting in the Western Balkans and EU: a Comparison of Holt-Winters, Arima and NNAR Models. Amfiteatru Economic, 23(57), 517–532. https://doi.org/10.24818/EA/2021/57/517
King, S. (2023). We Need to Talk About Inflation: 14 Urgent Lessons From the Last 2000 Years. Yale University Press.
Kumar, R. R., & Baishya, M. (2020). Forecasting of Potato Prices in India: An Application of ARIMA Model. Economic Affairs (New Delhi), 65(4), 473–479. https://doi.org/https://doi.org/10.46852/0424-2513.4.2020.1
López Sáez, J. I. (2018). Análisis de Series deTiempo Pronóstico de demanda de uso de aeropuertos en Argentina al 2022. https://ri.itba.edu.ar/server/api/core/bitstreams/46f84c43-9130-49c0-bf7e-4b41ecb051ef/content
Martinelli, C., & Vega, M. (2018). La Historia Monetaria y Fiscal de Perú, 1960-2017: Experimentos Radicales de Política, Inflación y Estabilización. https://www.bcrp.gob.pe/docs/Publicaciones/Documentos-de-Trabajo/2018/documento-de-trabajo-007-2018-esp.pdf
Montoro, C., Pérez, F., & Florián, D. (2022). El esquema de metas de inflación con control de riesgos. Revista Moneda, 192, 22–29. https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-192/moneda-192-03.pdf
Muñoz-Santiago, A., Urquijo-Vanstrahlengs, J., Castro-Otero, A., & Lombana, J. (2017). Pronóstico del precio de la energía en Colombia utilizando modelos ARIMA con IGARCH. Revista de Economía Del Rosario, 20(1), 127–161. https://doi.org/10.12804/revistas.urosario.edu.co/economia/a.6152
Pérez Forero, F. (2017). El rango meta de inflación y la efectividad de la política monetaria en el Perú. Revista Moneda, 169, 13–17. https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-169/moneda-169-03.pdf
Pérez Forero, F., Quispe Misaico, Z., & Rodríguez, D. (2016). Independencia del Banco Central y Estabilidad de Precios. Revista Moneda, 166, 21–28. https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-166/moneda-166-04.pdf
Quispe Misaico, Z. (2021). La estabilidad monetaria en el Perú. Revista Moneda, 188. https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-188/moneda-188-01.pdf
Subba Rao, S. (2022). A Course in Time Series Analysis (STAT 673). https://web.stat.tamu.edu/~suhasini/teaching673/time_series.pdf
Winkelried, D. (2012). ¿Qué es un fan chart? Revista Moneda, 151, 32–36. https://www.bcrp.gob.pe/docs/Publicaciones/Revista-Moneda/moneda-151/moneda-151-07.pdf