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
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/67314
Ver los metadatos del registro completo
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 |