La demanda de efectivo en Colombia: una caja negra a la luz de las redes neuronales

A., Martha Misas; López-Enciso, Enrique Antonio; Arango, Carlos; Hernández, Juan Nicolás

doi:10.32468/be.268

Cited by 7 publications

(5 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This is particularly convenient in our case as the output and most inputs exhibit non-normal distributions and appear to display some degree of heteroscedasticity (see Table 6, Figures 6 and 7, in the Appendix). Finally, anns have proven to be very effective in time series prediction problems, even better than standard econometric approaches (Kohzadi et al, 1995;Zhang et al, 1999;Misas et al, 2003;McNelis, 2005;Jalil & Misas, 2006;Han & Kamber, 2006;Chaudhuri & Ghosh, 2016;Di Piazza et al, 2016). This is key in our case because, again, nowcasting is a prediction task.…”

Section: Prediction Methodsmentioning

confidence: 68%

Predicción inmediata de la actividad económica con datos de pagos electrónicos. Un enfoque de modelado predictivo

León

Ortega

2018

RER

View full text Add to dashboard Cite

La predicción inmediata de la actividad económica (es decir, hacer estimaciones del período actual), es conveniente porque la mayoría de las medidas tradicionales de actividad económica se realizan con rezagos sustanciales. Nuestro objetivo es predecir el ISE, un indicador de actividad económica de corto plazo en Colombia. Las entradas son los rezagos del ISE y un conjunto de datos de pagos realizados entre individuos, empresas y el gobierno central, mediante transferencias electrónicas y cheques. Bajo un enfoque de modelado predictivo, empleamos un modelo de red neuronal exógena autoregresiva no lineal. Los resultadossugieren que nuestra elección de insumos y el método predictivo, nos permiten difundir la actividad económica con una precisión razonable. Además, validamos que los datos de pagos electrónicos reducen significativamente el error de predicción en un modelo de red neuronal autoregresiva de referencia. La predicción inmediata de la actividad económica con datos de los instrumentos de pago electrónicos, no solo contribuye a la toma de decisiones de los agentes y al modelado económico, sino que también soporta nuevas vías de investigación sobre cómo utilizar dichos datos en modelos actuales.

show abstract

Section: Prediction Methodsmentioning

confidence: 68%

Predicción inmediata de la actividad económica con datos de pagos electrónicos. Un enfoque de modelado predictivo

León

Ortega

2018

RER

View full text Add to dashboard Cite

show abstract

“…A comprehensive review is presented in Bańbura et al (2013). as the output and most inputs exhibit non-normal distributions and appear to display some degree of heteroscedasticity (see Table 6, figures 6 and 7, in Appendix). Finally, ANNs have proven to be very effective in time series prediction problems, even better than standard econometric approaches (see Kohzadi et al, 1995, Zhang et al, 1999, Misas et al, 2003, McNelis, 2005, Jalil & Misas, 2006, Han & Kamber, 2006, Chaudhuri & Ghosh, 2016, Di Piazza et al, 2016. This is key in our case because, again, nowcasting is a prediction task.…”

Section: Prediction Methodsmentioning

confidence: 77%

Nowcasting economic activity with electronic payments data: A predictive modeling approach

León¹,

Ortega²

2018

View full text Add to dashboard Cite

The opinions contained in this document are the sole responsibility of the authors and do not commit Banco de la República or its Board of Directors. AbstractEconomic activity nowcasting (i.e. making current-period estimates) is convenient because most traditional measures of economic activity come with substantial lags. We aim at nowcasting ISE, a short-term economic activity indicator in Colombia. Inputs are ISE's lags and a dataset of payments made with electronic transfers and cheques among individuals, firms, and the central government. Under a predictive modeling approach, we employ a nonlinear autoregressive exogenous neural network model. Results suggest that our choice of inputs and predictive method enable us to nowcast economic activity with fair accuracy. Also, we validate that electronic payments data significantly reduces the nowcast error of a benchmark non-linear autoregressive neural network model. Nowcasting economic activity from electronic payment instruments data not only contributes to agents' decision making and economic modeling, but also supports new research paths on how to use retail payments data for appending current models.

show abstract

“…En esta línea de trabajos, Gómez (1998) señala que las innovaciones financieras son esenciales para medir la demanda por dinero, puesto que capturan el efecto directo que tiene su velocidad de circulación, además de corregir los posibles problemas generados por la inestabilidad de la demanda. Otra línea de trabajos, como los de Arango y González (2000) y Misas, López, Arango y Hernández (2003), modelan y pronostican la demanda por dinero, mediante especificaciones no lineales, basadas, entre otros aspectos, en el efecto que tiene la heterogeneidad de los agentes en la demanda agregada por este instrumento.…”

Section: Introductionunclassified

El uso de efectivo y tarjetas débito como instrumentos de pago en Colombia

Martínez-Ventura¹,

Martínez²

2013

View full text Add to dashboard Cite

La demanda de efectivo en Colombia: una caja negra a la luz de las redes neuronales

Abstract: Noviembre 2003 * Agradecemos la colaboración de Sergio Olarte en la estimación de los modelos lineales univariados.

Cited by 7 publications

References 18 publications

Predicción inmediata de la actividad económica con datos de pagos electrónicos. Un enfoque de modelado predictivo

Predicción inmediata de la actividad económica con datos de pagos electrónicos. Un enfoque de modelado predictivo

Nowcasting economic activity with electronic payments data: A predictive modeling approach

El uso de efectivo y tarjetas débito como instrumentos de pago en Colombia

Contact Info

Product

Resources

About