Almonacid Hurtado, Paula María2026-05-112025-11-28https://hdl.handle.net/10784/37608La inclusión de variables muestreadas en diferentes frecuencias es un desafío empírico en la ciencia económica. Mientras las series macroeconómicas son publicadas mensual o trimestralmente, las series financieras están disponibles diariamente. Una práctica común es agregar o promediar las variables de mayor frecuencia como, por ejemplo, las mensuales o diarias para poderlas incorporar en un mismo modelo. Sin embargo, esto último puede llegar a descartar información y alterar la dinámica temporal entre variables. La regresión MIDAS (Mixed Data Sampling) ofrece una solución a este problema, que además controla la proliferación de parámetros y puede producir estimadores insesgados y eficientes. En un ejercicio aplicado a la inflación mensual en Colombia, se evalúa empíricamente si la información de alta frecuencia mejora el desempeño de pronóstico y si se justifica el uso de modelos tipo MIDAS. Los resultados muestran que la inflación mensual esta parece ser un proceso poco persistente que puede ser modelado con un MIDAS restringido, mientras que el U-MIDAS tiende a caer en sobreajustes. Además, se obtienen predicciones más precisas y menos volátiles cuando se combinan pronósticos.Including variables sampled at different frequencies is an empirical challenge in economics. While macroeconomic series are typically released monthly or quarterly, financial series are available daily. A common practice is to aggregate or average the higher-frequency variables (e.g., monthly or daily data) in order to incorporate them into a single model. However, doing so can discard information and distort the temporal dynamics across variables. MIDAS (Mixed Data Sampling) regressions provide a solution to this problem, while also controlling parameter proliferation and yielding unbiased and efficient estimators. Using an application to monthly inflation in Colombia, this study empirically assesses whether high-frequency information improves forecasting performance and whether the use of MIDAS-type models is warranted. The results suggest that monthly inflation is a low-persistence process that can be adequately modeled with a restricted MIDAS specification, whereas U-MIDAS tends to overfit. In addition, forecasts become more accurate and less volatile when combined forecast methods are used.application/pdfspaTodos los derechos reservadosModelos MIDASInflaciónCombinación de pronósticosNLSFactores dinámicos - Colombiainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessINFLACIÓN - COLOMBIA - MODELOS MATEMÁTICOSCONTROL DE PRECIOS - COLOMBIAECONOMETRÍA - METODOLOGÍACIENCIA DE LA INFORMACIÓNPRONÓSTICO DE LA ECONOMÍAPREDICCIONES - ECONOMÍAMIDAS modelsInflationForecast combinationDynamic factors - ColombiaAcceso abierto2026-05-11Hurtado Rivera, Isaacreponame:Repositorio Institucional Universidad EAFITinstname:Universidad EAFITrepourl:https://repository.eafit.edu.cohttp://purl.org/coar/access_right/c_abf2