Forecasting Inflation With Bayesian Techniques

Carlos Chaverri-Morales () and Juan Diego Chavarría-Mejía ()
Additional contact information
Carlos Chaverri-Morales: Department of Economic Research, Central Bank of Costa Rica
Juan Diego Chavarría-Mejía: Department of Economic Research, Central Bank of Costa Rica

No 1505, Documentos de Trabajo from Banco Central de Costa Rica

Abstract: The effectiveness of monetary policy under inflation targeting scheme proposed by the Central Bank of Costa Rica is based in the correct and timely forecast of inflation in order to design the best monetary policy actions. The purpose of this study is to develop a complementary tool to forecast inflation using a Bayesian approach. To that end, we estimate the methodologies of Bayesian Model Averaging and Weighted Average Least Squares. This forecast allows expanding and complementing the analysis actually estimated with the Macroeconomic Quarterly Projection Model (MQPM) of the Central Bank of Costa Rica. From the results of this evaluation, we show that for monthly data and forecast horizons from 1 to 12 months, you may find forecast by a Bayesian process that have greater predictive performance than the autoregressive model. *** Resumen: La efectividad de la política monetaria bajo un esquema de metas de inflación como el propuesto por el Banco Central de Costa Rica se basa en buena medida en el correcto y oportuno pronóstico de la inflación de corto y mediano plazo con el fin de diseñar de mejor forma las acciones de política monetaria. Así el propósito de este trabajo es desarrollar una herramienta complementaria para elaborar pronósticos de inflación mediante un enfoque bayesiano. Para lo anterior se propone la utilización de la metodología “Bayesian Model Averaging” y de “Weighted Average Least Squares”. Los modelos de proyección especificados permitirían ampliar y complementar el análisis que se realiza actualmente con el Modelo Macroeconómico de Proyección Trimestral (MMPT) del Banco Central de Costa Rica. Como resultado esta investigación muestra que, para datos de periodicidad mensual y a horizontes de pronóstico de 1 a 12 meses, es posible encontrar proyecciones mediante un proceso bayesiano que poseen una mayor capacidad predictiva en relación con aquellas producidas por un modelo autorregresivo.

Keywords: Time-Series Models; Index Numbers and Aggregation; Forecasting and Simulation; Bayesian analysis; Modelos de series temporales, Números índice y agregación, Predicción y simulación, Análisis bayesiano (search for similar items in EconPapers)
JEL-codes: C11 C22 C43 E27 (search for similar items in EconPapers)
Pages: 35 pages
Date: 2015-11
References: Add references at CitEc
Citations:

Published

Downloads: (external link)
https://repositorioinvestigaciones.bccr.fi.cr/handle/20.500.12506/87 (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:apk:doctra:1505

Access Statistics for this paper

More papers in Documentos de Trabajo from Banco Central de Costa Rica Contact information at EDIRC.
Bibliographic data for series maintained by Departamento de Investigación Económica ().