Nowcasting del PIB para Uruguay en base a un modelo de ecuaciones puente

Abstract

En el ámbito de las políticas públicas o las decisiones económicas en general, contar con información oportuna respecto al nivel de actividad de la economía es de suma relevancia. En este artículo exploramos dos metodologías aplicadas al caso uruguayo: un ejercicio de nowcasting para el PIB basado ecuaciones puente estimado a través de la metodología GETS; y otra a partir de un modelo univariado, explotando el nuevo Indicador Mensual de Actividad Económica (IMAE) recientemente publicado por el Banco Central del Uruguay. En base al modelo de nowcasting, con información a setiembre de 2023, se esperaba una contracción interanual de 0,2 % en III-2023, y -aún sin información para IV-2023- un modesto crecimiento de 0,04 % en el promedio del año. Asimismo, al comparar las proyecciones dentro de la muestra con aquellas obtenidas a partir de un modelo naif (univariado para el PIB), se observa que las primeras resultan más precisas. Adicionalmente, se explora la conveniencia de realizar un pooling para mejorar las proyecciones.

In the realm of public policy or general economic decision-making, having timely information regarding the level of economic activity is of utmost importance. In this article we explore two methodologies applied to the Uruguayan case: a nowcasting exercise for GDP based on bridge equations estimated through the GETS methodology; and another based on a univariate model, exploiting the newly released Monthly Economic Activity Indicator (IMAE) by the Central Bank of Uruguay. Based on the nowcasting model, with information available up to September 2023, a year-on-year contraction of 0.2 % was expected in Q3-2023, and - still without information for Q4-2023 - a modest growth of 0.04 % for the year’s average. Furthermore, when comparing the projections within the sample with those obtained from a naive model (univariate for GDP), it is observed that the former are more accurate. Additionally, the feasibility of conducting pooling to enhance projections is explored.