Modelacion markoviana para identificar la dinamica y pronostico del indice de produccion industrial en Mexico de 1980 a 2018

En este articulo, por medio de modelacion markoviana estudiamos la identificacion de los estados estocasticos y pronostico del indice mensual de produccion industrial en Mexico de 1980 a 2018. Dado que la muestra de datos esta sujeta a fuertes fluctuaciones economicas y financieras, de una bateria de modelos autorregresivos (lineales y con parametros markovianos de cambio de regimen) se elige la especificacion del modelo que mejor se ajusta a los datos a traves del factor de Bayes. La seleccion del modelo provee evidencia de que las tasas de crecimiento mensual de este indice presentan parametros (media y volatilidad) que cambian con el tiempo. Se lleva a cabo un ejercicio de pronostico sobre el modelo markoviano de mejor ajuste a los datos. Para medir su capacidad de inferencia, se compara su eficiencia respecto de la especificacion lineal autorregresiva en la misma serie de datos. Los resultados muestran que la media de los errores de pronostico (dentro y fuera de la muestra) son menores en la especificacion markoviana. La metodologia bayesiana aplicada permite estimar de forma endogena e inferir de manera precisa incluso por problemas de identificacion de parametros markovianos, pequeno numero de observaciones en regimenes, datos atipicos, numero de regimenes e incertidumbre de parametros sujetos a cambio de estado.