Persistencia en Series de Tiempo Macroeconómicas: ¿es esta una propiedad Invariable de los Modelos?

En este artículo se argumenta que la persistencia no es una característica invariable de una serie de tiempo, sino que depende del contexto en el cual la serie se utiliza: dado que los parámetros de cualquier modelo dinámico se definen en relación a un conjunto particular de información, cualquier cambio en el conjunto de variables condicionales puede afectar las estimaciones resultantes. Definimos persistencia de una variable como la tasa a la cual su función de autocorrelación converge a cero, y demostramos que la inferencia sobre la persistencia de una variable no varía en función de la adición de otras variables condicionales siempre y cuando éstas variables no sean Granger-causales sobre la variable de interés. Más aún, establecemos que la persistencia medida es una función del modelo elegido y que esto es más fundamental para sistemas inestables. Nuestros hallazgos sugieren que, a menos que se impongan más restricciones derivadas de la teoría económica, temas como la efectividad de las políticas de estabilización no pueden ser resueltos empíricamente, y que por ende, el debate entre los teóricos keynesianos y RBC no puede cerrarse.

Distribución condicional de los retornos de la tasa de cambio colombiana: un ejercicio empírico a partir de modelos GARCH univariados.

Un conjunto de modelos GARCH multivariados son estimados y su validez empírica comparada a partir del cálculo de la medida VaR, para los retornos diarios de la tasa de cambio nominal del peso colombiano con respecto al dólar americano, euro, libra esterlina y yen japonés en el periodo 1999–2005. La comparación de las estimaciones para la matriz de covarianza condicional y los resultados obtenidos para la proporción de fallo y el contraste de cuantil dinámico de Engle y Manganelli (2004) presentan evidencia a favor del modelo de correlación condicional constante.