##plugins.themes.bootstrap3.article.main##

Fabio Guacaneme

Resumen

Este trabajo contiene los resultados de algunas aplicaciones del suavizamiento Kernel. Se presentan resultados del suavizamiento para la serie de la inflación total colombiana; predicciones múltiples pasos adelante en base a los predictores deno-minados media y mediana condicional, las predicciones generadas son comparadas con un modelo ARIMA, un modelo STAR y con redes neuronales; finalmente, se comparan los intervalos de predicción del modelo ARIMA con la técnica no paramétrica. Se encuentra que los intervalos de la segunda técnica son mejores en el periodo de tiempo evaluado.

##plugins.themes.bootstrap3.article.details##

Palabras Clave

Ancho de banda, estimador Kernel, media y mediana condicional, regresión no paramétrica, regresión polinómica local

Referencias
De Gooijer, J. G. & Zerom, D. (1999), Kernel-based multistep-ahead predictions of the us short-term interest rate, Tinbergen Institute Discussion Papers 99-015/4, Tinbergen Institute.

Draper, N. & Smith, H. (1998), Applied Regression Analysis, Wiley.

Jalil, M. & Melo, V. (2000), ‘Una relación no lineal entre la inflación y los medios de pago’, Borradores de Economía(145).

Matzner-L, E., Gannoun, A. & DeGooijer, J. (1998), ‘Nonparametric forecasting: a comparison of three kernel-based methods’, Communications in Statistics -Theory and Methods 27(7), 1593 – 1617.

Pagan, A. & Ullah, A. (1999), Nonparametric Econometrics, Oxford Univ. Press.

Ramsay, J. & Silverman, B. (2005), Funcional Data Analysis, Springer.

Rodríguez, N. & Siado, P. (2003), ‘Un pronóstico no paramétrico de la inflación colombiana’, Revista Colombiana de Estadística26(2), 89 – 128.
Cómo citar
Guacaneme, F. (2010). Intervalos de predicción para pronósticos no paramétricos de la inflación colombiana. Comunicaciones En Estadística, 3(1), 49-66. https://doi.org/10.15332/s2027-3355.2010.0001.03
Sección
Artículos