Indicadores de demanda: inversión y consumo privados e indicadores de actividad

Resumen

El presente proyecto tiene por objetivo general generar indicadores y modelos que sirvan para responder a preguntas relevantes desde la investigación académica, así como para el análisis de la evolución de la economía real. En este aspecto, el proyecto también pretende proporcionar evidencia robusta sobre el papel que juegan los distintos niveles de información y generar interés por el desarrollo de instrumentos cuantitativos en alumnos y profesores de la Universidad.De este modo, en el marco del análisis de la evolución de la demanda agregada a través del estudio de sus componentes, se desarrolló en el año 2020 el indicador Índice Mensual de Consumo Privado (IMCoP-USAL). La finalidad de este indicador es captar con una alta frecuencia la evolución de los gastos de consumo final en bienes y servicios que realizan los hogares de la economía argentina. Este estimador tiene una frecuencia mensual y aporta una serie histórica que facilita las estimaciones econométricas, permite vincular el consumo privado con el ciclo económico, favorece el análisis de coyuntura, los estudios de corto plazo y la realización de proyecciones.El IMCoP-USAL se presenta en niveles para el agregado del consumo privado, se elabora la serie original, la serie sin estacionalidad, la serie de tendencia–ciclo y las variaciones interanuales. También se agrega la serie original para una frecuencia trimestral en niveles y en variaciones interanuales para poder comparar los resultados obtenidos con los correspondientes al indicador de consumo privado del sistema de cuentas nacionales elaborado por el INDEC.En diciembre de 2020 se publicó el informe presentación del IMCoP-USAL, en el que se exhiben estos resultados. La primera publicación se realizó con la información correspondiente al tercer trimestre del año 2020; la segunda, con respecto al cierre del año 2020, en marzo de 2021; y en junio de 2021 se publicó el análisis de la evolución del consumo privado en el primer trimestre del corriente año. Esta producción pasó a formar parte de las publicaciones regulares del Instituto de Investigación en Ciencias Económicas y Empresariales de la USAL, cumpliendo de este modo con el fin de compartir con la comunidad académica y con los alumnos indicadores que estimulen la formación del debate sobre la realidad económica.Con respecto al análisis de la inversión real para Argentina, el otro componente de la demanda agregada bajo estudio, durante el avance del proyecto se publicaron de modo regular cinco números trimestrales del Índice Mensual de Inversión Real (IMIR-USAL), en los que se examinaron la evolución temporal de la serie base 2004=100, su valor desestacionalizado y su ciclo tendencia, tanto en frecuencia mensual como trimestral. La serie permite discutir la forma que adopta el ciclo económico de la inversión en Argentina y la duración de sus fases. Debe destacarse que, con el fin de entender el impacto sobre el IMIR-USAL de las medidas implementadas en torno a la gestión de la pandemia COVID-19, se hizo foco en la identificación de outliers en los componentes no observables, así como el modo en que la pandemia ha afectado la configuracióndel ciclo económico y su impacto sobre la conformación del stock de capital. En paralelo, se analizó la relación del IMIR-USAL con la serie de actividad económica, agregada y desagregada, en sectores productivos.Es procedente señalar que tanto el IMCoP-USAL como el IMIR-USAL, en su frecuencia trimestral, anticipan respectivamente el comportamiento del consumo privado y de la formación bruta de capital fijo elaborados por el INDEC, exhibiendo cada una de las series altas correlaciones temporalesa lo largo de toda la muestra. Por último, con respecto al análisis de los indicadores de actividad, más allá de los nowcasting evaluados hasta el momento, se realizó la exploración de nuevos métodos para evaluar su aplicación al modelado de un indicador de actividad en tiempo real. De entre ellos se destaca el de inteligencia artificial, cuyo algoritmo aprendería en base a los errores de estimación y a las nuevas entradas de datos. Se considera realizar el estudio de estos sistemas con aplicaciones en este proyecto.