Modeling and Projection of the Mexican Exchange Rate (Peso/Dollar): a Bayesian Approach for Model Selection

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.