Modelamiento econométrico de la inflación en el Perú, período 2000-2019

• Autor: Laurente Blanco, Luis Francisco
• Formato: tesis de maestría
• Fecha de Publicación: 2021
• Institución: Universidad Nacional Del Altiplano
• Repositorio: UNAP-Institucional
• Lenguaje: español
• OAI Identifier: oai:https://repositorio.unap.edu.pe:20.500.14082/16765
• Enlace del recurso: http://repositorio.unap.edu.pe/handle/20.500.14082/16765
• Nivel de acceso: acceso abierto
• Materia: Modelos ARIMA; Modelos de pronóstico; Método generalizado de momentos; Proyección de la inflación; Modelos con brechas; https://purl.org/pe-repo/ocde/ford#1.02.02

En el Perú, para la proyección de la inflación, la principal herramienta utilizada por el Banco Central de Reserva del Perú (BCRP) es el modelo de proyección trimestral (MPT), que incorpora cuatro bloques principales: una curva de Phillips, una curva IS, una ecuación de tipo de cambio y una regla de política monetaria. En los últimos años la inflación ha mostrado una clara diferencia respecto de la inflación efectiva y no ha logrado alcanzar la meta de inflación con la metodología usada, sugiriendo el uso de otras metodologías de proyección de la inflación que permitan obtener resultados más realistas. Este trabajo tuvo como objetivo principal determinar el modelo econométrico que ajusta confiablemente la inflación en el Perú para ello se consideró información mensual entre los años 2000-2019 extraídos del BCRP. Para la estimación de la inflación se utilizó las especificaciones: ARIMA, el modelo de inflación con crédito y tasas de interés, el modelo con brechas y el modelo clásico de inflación. Los resultados indicaron que el modelo de mayor ajuste para la economía peruana es el modelo con brechas, cuyas determinantes estadísticamente significativas son: la variación de la inflación, la brecha del producto, la brecha de los precios de importaciones, la brecha del nivel de precios de los bienes de consumo, la brecha del precio del petróleo, la oferta monetaria, la variación del tipo de cambio y el nivel de salarios. Estos resultados sirven para que los tomadores de decisiones puedan conocer el impacto de las variables sobre la inflación.