Cash Demand Forecast Models for Costa Rica

This paper analyzes methods to forecast the cash demand for the Costa Rican economy, the relative participation of each denomination, and the behavior of cash unfit for further circulation. These elements are relevant inputs for the Central Bank of Costa Rica to fulfill its essential and exclusive function of issuing banknotes and coins according to the real needs of the national economy. To forecast the cash demand, five models are compared: ordinary least squares (OLS), autoregressive integrated moving average model (ARIMA), vector error correction model (VECM), artificial neural network model (RNA), and the Holt-Winters method. Regarding the relative participation of each denomination, compositional time series are used, which allows working with series that represent a proportion, and therefore their sum is equal to the unit. For this, an additive log-ratio transformation is applied to the data, to later implement an autoregressive vector model. Finally, the study contemplates the analysis of the time series of unfit cash. It is shown that the same techniques used to forecast the demand for cash can be applied in this case. ***Resumen: Esta investigación se dedica al análisis de métodos que permitan pronosticar la demanda de numerario para la economía costarricense, la participación relativa de cada denominación, y el comportamiento del numerario deteriorado. Estos elementos son insumos relevantes para que el Banco Central de Costa Rica pueda cumplir con su función esencial y exclusiva de emitir billetes y monedas de acuerdo con las necesidades reales de la economía nacional. Para pronosticar la demanda de numerario se compara el desempeño de cinco tipos de modelos: mínimos cuadrados ordinarios (MCO), modelo autorregresivo integrado de medias móviles (ARIMA), modelo de vector de corrección de errores (VECM), modelo de redes neuronales artificiales (RNA) y el método de Holt-Winters. Respecto a la participación relativa de cada denominación, se recurre al análisis de series de tiempo composicionales, que permiten trabajar con series que representan una proporción, y por ende su suma es igual a la unidad. Para esto, se aplica una transformación del log-cociente aditiva a los datos, para posteriormente implementar un modelo de vectores autorregresivos. Finalmente, el estudio contempla el análisis de las series de tiempo de numerario deteriorado. Se muestra que las mismas técnicas utilizadas para pronosticar la demanda de numerario pueden ser aplicadas en este caso.