Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia

Autores
Dogliolo, Fiorella
Año de publicación
2018
Idioma
español castellano
Tipo de recurso
tesis de maestría
Estado
versión aceptada
Colaborador/a o director/a de tesis
Garegnani, María Lorena
Porto, Natalia
Gluzmann, Pablo Alfredo
D'Amato, Laura
Descripción
En el presente trabajo se realizó una estimación en tiempo real de la evolución de la Inversión a partir de un conjunto amplio de indicadores económicos de alta frecuencia, lo que se conoce en la literatura como Nowcasting. Para realizar el Nowcast se consideraron tres grupos de indicadores de frecuencia mensual y mediante modelos de factores dinámicos se pronosticó el crecimiento trimestral de la Inversión. Adicionalmente, se realizó un ejercicio de pooling o combinación de pronósticos. A partir del test de Giacomini y White se pudo concluir que los modelos de factores y sus combinaciones exhiben una mejor capacidad predictiva en relación a un modelo AR(1) considerado como benchmark, y que la inclusión de un mayor número de indicadores no necesariamente mejora la performance del pronóstico.
Magister en Economía
Universidad Nacional de La Plata
Facultad de Ciencias Económicas
Materia
Ciencias Económicas
inversión
JEL: C22, C53, E37
nowcasting, modelos de factores dinámicos, pronósticos real-time, pooling de pronósticos
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/67314

id SEDICI_d456e0a078c19fb3febfae205f817de6
oai_identifier_str oai:sedici.unlp.edu.ar:10915/67314
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuenciaDogliolo, FiorellaCiencias EconómicasinversiónJEL: C22, C53, E37nowcasting, modelos de factores dinámicos, pronósticos real-time, pooling de pronósticosEn el presente trabajo se realizó una estimación en tiempo real de la evolución de la Inversión a partir de un conjunto amplio de indicadores económicos de alta frecuencia, lo que se conoce en la literatura como Nowcasting. Para realizar el Nowcast se consideraron tres grupos de indicadores de frecuencia mensual y mediante modelos de factores dinámicos se pronosticó el crecimiento trimestral de la Inversión. Adicionalmente, se realizó un ejercicio de pooling o combinación de pronósticos. A partir del test de Giacomini y White se pudo concluir que los modelos de factores y sus combinaciones exhiben una mejor capacidad predictiva en relación a un modelo AR(1) considerado como benchmark, y que la inclusión de un mayor número de indicadores no necesariamente mejora la performance del pronóstico.Magister en EconomíaUniversidad Nacional de La PlataFacultad de Ciencias EconómicasGaregnani, María LorenaPorto, NataliaGluzmann, Pablo AlfredoD'Amato, Laura2018-03-23info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTesis de maestriahttp://purl.org/coar/resource_type/c_bdccinfo:ar-repo/semantics/tesisDeMaestriaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/67314https://doi.org/10.35537/10915/67314spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:10:15Zoai:sedici.unlp.edu.ar:10915/67314Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:10:15.672SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
title Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
spellingShingle Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
Dogliolo, Fiorella
Ciencias Económicas
inversión
JEL: C22, C53, E37
nowcasting, modelos de factores dinámicos, pronósticos real-time, pooling de pronósticos
title_short Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
title_full Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
title_fullStr Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
title_full_unstemmed Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
title_sort Nowcasting de la inversión: una estimación en tiempo real con indicadores de alta frecuencia
dc.creator.none.fl_str_mv Dogliolo, Fiorella
author Dogliolo, Fiorella
author_facet Dogliolo, Fiorella
author_role author
dc.contributor.none.fl_str_mv Garegnani, María Lorena
Porto, Natalia
Gluzmann, Pablo Alfredo
D'Amato, Laura
dc.subject.none.fl_str_mv Ciencias Económicas
inversión
JEL: C22, C53, E37
nowcasting, modelos de factores dinámicos, pronósticos real-time, pooling de pronósticos
topic Ciencias Económicas
inversión
JEL: C22, C53, E37
nowcasting, modelos de factores dinámicos, pronósticos real-time, pooling de pronósticos
dc.description.none.fl_txt_mv En el presente trabajo se realizó una estimación en tiempo real de la evolución de la Inversión a partir de un conjunto amplio de indicadores económicos de alta frecuencia, lo que se conoce en la literatura como Nowcasting. Para realizar el Nowcast se consideraron tres grupos de indicadores de frecuencia mensual y mediante modelos de factores dinámicos se pronosticó el crecimiento trimestral de la Inversión. Adicionalmente, se realizó un ejercicio de pooling o combinación de pronósticos. A partir del test de Giacomini y White se pudo concluir que los modelos de factores y sus combinaciones exhiben una mejor capacidad predictiva en relación a un modelo AR(1) considerado como benchmark, y que la inclusión de un mayor número de indicadores no necesariamente mejora la performance del pronóstico.
Magister en Economía
Universidad Nacional de La Plata
Facultad de Ciencias Económicas
description En el presente trabajo se realizó una estimación en tiempo real de la evolución de la Inversión a partir de un conjunto amplio de indicadores económicos de alta frecuencia, lo que se conoce en la literatura como Nowcasting. Para realizar el Nowcast se consideraron tres grupos de indicadores de frecuencia mensual y mediante modelos de factores dinámicos se pronosticó el crecimiento trimestral de la Inversión. Adicionalmente, se realizó un ejercicio de pooling o combinación de pronósticos. A partir del test de Giacomini y White se pudo concluir que los modelos de factores y sus combinaciones exhiben una mejor capacidad predictiva en relación a un modelo AR(1) considerado como benchmark, y que la inclusión de un mayor número de indicadores no necesariamente mejora la performance del pronóstico.
publishDate 2018
dc.date.none.fl_str_mv 2018-03-23
dc.type.none.fl_str_mv info:eu-repo/semantics/masterThesis
info:eu-repo/semantics/acceptedVersion
Tesis de maestria
http://purl.org/coar/resource_type/c_bdcc
info:ar-repo/semantics/tesisDeMaestria
format masterThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/67314
https://doi.org/10.35537/10915/67314
url http://sedici.unlp.edu.ar/handle/10915/67314
https://doi.org/10.35537/10915/67314
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844615970826485760
score 13.070432