Modelo de vectores autorregresivo para la predicción de las exportaciones en el Perú, periodo 1992 – 2024

Abstract

The purpose of the study using 386 monthly data from the period 1992:11 to 2024:12 was to compare the forecasting capacity of two multivariate models: the Vector Autoregressive Model (VAR) and the Vector Error Correction Model (VECM). According to the indicators Root Mean Squared Error (RSME) and the average of the errors measured as the percentage of the difference (in absolute value) between the observed and predicted value (Mean Absolute Percentage Error – MAPE), the VECM model reported better performance, since the RMSE was 174 million dollars lower than that of the VAR, which showed 400 million. The MAPE was 50.44% compared to the VAR MAPE of 263%. The Granger causality test shows that there is causality between the study variables except for exports and the multilateral real exchange rate, which do not explain the inflation of trading partners, which makes economic sense.

El estudio utilizando 386 datos mensuales desde el periodo 1992:11 al 2024:12 tuvo como propósito comparar la capacidad de pronóstico de dos modelos multivariantes: el de Vectores Autorregresivos (VAR) y el Modelo Vector Corrección de Errores (VECM). De acuerdo a los indicadores Raíz del Error Cuadrático Medio (RSME) y el promedio de los errores medido como el porcentaje de la diferencia (en valor absoluto) entre el valor observado y pronosticado (Mean Absolute Percentage Error – MAPE) el modelo VECM reportó mejor performance, ya que el RMSE fue de 174 millones de dólares menor al del VAR que mostró 400 millones. El MAPE fue de 50.44% frente al MAPE del VAR de 263%. El test de causalidad de Granger muestra que existe causalidad entre las variables de estudio a excepción de las exportaciones y el tipo de cambio real multilateral que no explican la inflación de los socios comerciales, la cual tiene sentido económico.