Search

This article presents the anticipated effects in terms of Mexico´s Gross National Product (GNP) quarterly growth rates due to shocks which are expected to impact those quarterly growth rates in the context of the covid-19 macroeconomics impacts. As econometric procedures, we identify a Markovian autoregressive of best-fit to data on the dynamics of those quarterly growth rate from Q1-1960 to Q4-2019, under four statistical states, given by different means and volatilities in growth rates. After that, we introduce some negative shocks that are equivalent to several macroeconomic effects related to covid-19. Through this econometric simulation exercise, we found that the GNP growth rate could be negative during a period from two to six yearly quarter, depending on the magnitude and persistence of negative shocks and the eventual stabilizing effects that could occur in the Mexican economy. This contribution offers an econometric model to estimate the impacts of relevant and unexpected macroeconomics events even when such impacts could not be described under conventional probability distributions., Este artículo presenta los efectos anticipados en la tasa de crecimiento del producto interno bruto (PIB) trimestral de México debido a perturbaciones (shocks) que se espera la afecten en los próximos trimestres, en el contexto de los impactos del covid-19. Con este objetivo, se identifica la especificación econométrica markoviana autorregresiva de mejor ajuste a los datos de la dinámica del crecimiento del PIB de Q1-1960 a Q4-2019, bajo la condición de cuatro regímenes diferentes, dados por cambios en la media y por la volatilidad de la tasa de crecimiento. Posteriormente se introducen shocks negativos que asimilan diversos efectos macroeconómicos derivados del impacto económico del covid-19. En este ejercicio de simulación, la tasa de crecimiento del PIB puede permanecer en recesión de dos a seis trimestres, lo cual depende de la magnitud y persistencia que podrían tener los shocks negativos y a los posibles efectos estabilizadores que incidirán en la producción en México. Esta contribución ofrece un modelo para cuantificar efectos macroeconómicos ante eventos significativos e inesperados, con la limitación de que tales eventos podrían alejarse de distribuciones de probabilidad convencionales.

This article studies the econometric modeling and the projection of growth rates of the nominal exchange rate (Peso/Dollar) from 1995 to 2018. Applying Bayesian simulation methods, the best data modeling fit between linear and non-linear econometric approaches is studied by introducing Markovian regime change parameters. The Bayes factor for model selection provides the following evidence: in the analysis of daily growth rates there are periods with low, medium, and high volatility. In the monthly rates, changes were also found in the mean and the volatility of the process. The linear autoregressive econometric model is not supported by the data in any case. Furthermore, instead of structural changes in these rates, evidence of state-dependent parameters is present. The high volatility in both data frequencies coincides with the sub-prime crisis in 2008-2009, but also with other sample periods. Moreover, an optimal weighting approach is applied to Markovian regime change models to study forecast errors in the sample. From this exercise, the forecasting errors of the exchange rate growth rates are lower than those of the linear autoregressive model. Finally, the out-of-sample errors of regime change models and optimal methods, in most cases, exceed those of linear inferences in both data frequencies., Resumen Este artículo estudia el modelado econométrico y pronóstico de tasas de crecimiento del tipo de cambio nominal (Peso/Dólar) de 1995 a 2018. Aplicando métodos de simulación Bayesiana se estudia la mejor modelación de ajuste a los datos entre enfoques econométricos lineales y no-lineales introduciendo parámetros Markovianos de cambio de régimen. El factor de Bayes para seleccionar modelos proporciona la siguiente evidencia: en el análisis de tasas de crecimiento diarias hay periodos con baja, media y alta volatilidad. En las tasas mensuales, también se encontraron cambios en la media y la volatilidad del proceso. El modelo econométrico autorregresivo lineal no es soportado por los datos en ningún caso. Además, en lugar de los cambios estructurales en dichas tasas, hay evidencia de parámetros dependientes del estado. La alta volatilidad en ambas frecuencias de datos coincide con la crisis sub-prime en 2008-2009, pero también con otros períodos de la muestra. Mas aún, se aplica un enfoque de ponderación óptimo a modelos Markovianos de cambio de régimen para estudiar los errores de pronóstico en la muestra. De este ejercicio, los errores de pronóstico de las tasas de crecimiento del tipo de cambio son menores a los del modelo lineal autorregresivo. Finalmente, los errores fuera de la muestra de modelos de cambio de régimen y métodos óptimos, en la mayor parte de los casos, superan aquellos de las inferencias lineales en ambas frecuencias de los datos.