Dinámica de la estructura de precios en Uruguay

Emiliano Álvarez; Juan Gabriel Brida; Pablo Mones

doi:10.24310/recta.22.1.2021.19870

Autores/as

Emiliano Álvarez Universidad de la República Uruguay
Juan Gabriel Brida Universidad de la República Uruguay
Pablo Mones Universidad de la República Uruguay

DOI:

https://doi.org/10.24310/recta.22.1.2021.19870

Palabras clave:

Análisis de redes, índice de precios, inflación, análisis de comunidades

Resumen

Entender y predecir el fenómeno inflacionario es un problema central para los economistas y agentes tomadores de decisiones. Tradicionalmente se han utilizado técnicas econométricas de series de tiempo para estudiar este fenómeno; pero, ¿puede la economía de la complejidad aportar una visión complementaria a los estudios anteriores? Este trabajo busca estudiar la dinámica de la estructura de precios de la economía uruguaya desde la perspectiva de la economía de la complejidad, utilizando técnicas de análisis de redes que permitan estudiar la relación entre los bienes y servicios que componen el IPC.

En el presente trabajo se estudian los agrupamientos de bienes y servicios a partir del comportamiento dinámico de las series temporales de precios, detectando a su vez variaciones de precios relevantes en esta red. Los resultados muestran que los precios relevantes no están asociados a las divisiones de bienes del IPC y que los agrupamientos son consistentes con estudios anteriores para Uruguay.

Descargas

Los datos de descargas todavía no están disponibles.

Publicación Facts

Este artículo

Otros artículos

Revisión pares

Revisores: 0

2.4 promedio

Perfil de revisores N/D

Información adicional autores

Datos de investigación disponibles

##plugins.generic.pfl.dataAvailability.unsupported##

##plugins.generic.pfl.averagePercentYes##

Financiación

N/D

32% con financiadores

Conflicto de intereses

N/D

##plugins.generic.pfl.averagePercentYes##

Para esta revista

Otras revistas

Artículos aceptados

Artículos aceptados: 4%

33% aceptado

Días hasta la publicación

145

Indexado: {$indexList}

Indexado en

Perfil de director y equipo editorial: ##plugins.generic.pfl.profiles##
Sociedad Académica/Grupo: N/D
Editora:: UMA Editorial. Universidad de Málaga

Citas

Arthur, W. B. (1999). Complexity and the economy. Science, 284(5411), 107-109.

https://doi.org/10.1126/science.284.5411.107

Balassa, B. (1964). The purchasing-power parity doctrine: a reappraisal. Journal of Political Economy, 72(6), 584-596.

https://doi.org/10.1086/258965

Bergara, M., Dominioni, D., & Licandro, J. A. (1995). Un modelo para comprender la "enfermedad uruguaya". Revista de Economía, 2(2), 39-76.

Blondel, V. D., Guillaume, J.-L., Lambiotte, R., & Lefebvre, E. (2008). Fast unfolding of communities in large networks. Journal of Statistical Mechanics: Theory and Experiment, 2008, P10008.

https://doi.org/10.1088/1742-5468/2008/10/P10008

Box, G. E. & Jenkins, G. M. (1970). Time series analysis: Forecasting and control. Holden-Day, San Francisco.

Brum, C., Cuitiño, F., Mourelle, J., & Vicente, L. (2012). Modelos multivariados para predecir la inflación en Uruguay. Banco Central del Uruguay.

Cancelo, J. R., Fernández, A., Grosskoff, R., Selves, R., & Villamonte, G. (1994). Precios de transables y no transables: Un enfoque ARIMA-IA. IX Jornadas de Economía del Banco Central del Uruguay, Montevideo, Uruguay.

Cuitiño, F., Ganón, E., Tiscordio, I., & Vicente, L. (2010). Modelos univariados de series de tiempo para predecir la inflación de corto plazo. XXV Jornadas de Economía del Banco Central del Uruguay.

De Gregorio, J., Giovannini, A., & Wolf, H. C. (1994). International evidence on tradables and nontradables inflation. European Economic Review, 38(6), 1225-1244.

https://doi.org/10.1016/0014-2921(94)90070-1

Engle, R. F. (1982). Autoregressive conditional heteroscedasticity with estimates of the variance of

https://doi.org/10.2307/1912773

United Kingdom inflation. Econometrica: Journal of the Econometric Society, 50(4), 987-1007.

Gao, X., An, H., & Zhong, W. (2013). Features of the correlation structure of price indices. PLoS One, 8(4), 1-9.

https://doi.org/10.1371/journal.pone.0061091

Garda, P., Lanzilotta, B., & Lorenzo, F. (2004). Descripción y evaluación de un esquema metodológico para el diagnóstico y predicción de la inflación en Uruguay. XIX Jornadas de Economía del Banco Central del Uruguay.

Heymann, D. & Leijonhufvud, A. (1995). High Inflation: The Arne Ryde Memorial Lectures. OUP Catalogue.

https://doi.org/10.1093/oso/9780198288442.001.0001

Jackson, M. O. (2010). Social and economic networks. Princeton University Press.

https://doi.org/10.2307/j.ctvcm4gh1

Nasir, M. A. & Vo, X. V. (2020). A quarter century of inflation targeting & structural change in exchange rate pass-through: Evidence from the first three movers. Structural Change and Economic Dynamics.

https://doi.org/10.1016/j.strueco.2020.03.010

Newman, M. (2010). Networks: an introduction. Oxford University Press.

https://doi.org/10.1093/acprof:oso/9780199206650.003.0001

Samuelson, P. A. (1964). Theoretical notes on trade problems. The Review of Economics and Statistics, 46(2), 145-154.

https://doi.org/10.2307/1928178

Sarantitis, G. A., Papadimitriou, T., & Gogas, P. (2018). A network analysis of the United Kingdom's Consumer Price Index. Computational Economics, 51(2), 173-193.

https://doi.org/10.1007/s10614-016-9625-9

Sims, C. A. (1980). Macroeconomics and reality. Econometrica: Journal of the Econometric Society, 48(1), 1-48.

https://doi.org/10.2307/1912017

Sun, Q., Gao, X., Wen, S., Chen, Z., & Hao, X. (2018). The transmission of fluctuation among price indices based on Granger causality network. Physica A: Statistical Mechanics and its Applications, 506, 36-49.

https://doi.org/10.1016/j.physa.2018.04.055

Watts, D. J. & Strogatz, S. H. (1998). Collective dynamics of 'small-world' networks. Nature, 393(6684), 440-442.

https://doi.org/10.1038/30918