Usamos una familia de modelos de vectores autorregresivos con coeficientes cambiantes en el tiempo y volatilidad estocástica (TVP-VAR-SV) para estimar el impacto de los choques externos reales en el producto y la inflación en Perú. Para medir la pertinencia de un modelo frente a otro usamos técnicas recientes de elección Bayesiana tales como el Criterio de Información de la Desviación (DIC) y la verosimilitud marginal calculada con el método de Entropía Cruzada (CE). Los resultados son favorables a los modelos con SV frente a un TVPVAR, un CVAR o los Regime Switching (RS-VAR). Encontramos como modelo ganador al que permite solo los interceptos cambiantes en el tiempo y con SV, coincidiendo esto con el análisis gráfico de los coeficientes estimados, mientras que el modelo CVAR es el que menos se ajusta a los datos. Asimismo, con las IRFs calculadas para el modelo seleccionado m...

Usamos una familia de modelos de vectores autorregresivos con coeficientes cambiantes en el tiempo y volatilidad estocástica (TVP-VAR-SV) para estimar el impacto de los choques externos reales en el producto y la inflación en Perú. Para medir la pertinencia de un modelo frente a otro usamos técnicas recientes de elección Bayesiana tales como el Criterio de Información de la Desviación (DIC) y la verosimilitud marginal calculada con el método de Entropía Cruzada (CE). Los resultados son favorables a los modelos con SV frente a un TVPVAR, un CVAR o los Regime Switching (RS-VAR). Encontramos como modelo ganador al que permite solo los interceptos cambiantes en el tiempo y con SV, coincidiendo esto con el análisis gráfico de los coeficientes estimados, mientras que el modelo CVAR es el que menos se ajusta a los datos. Asimismo, con las IRFs calculadas para el modelo seleccionado m...