Regístrese
Buscar en
Ensayos sobre Política Económica
Toda la web
Inicio Ensayos sobre Política Económica An Early Warning Model for Predicting Credit Booms Using Macroeconomic Aggregate...
Información de la revista
Vol. 32. Núm. 73.
Páginas 77-86 (Enero 2014)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
Vol. 32. Núm. 73.
Páginas 77-86 (Enero 2014)
DOI: 10.1016/S0120-4483(14)70020-X
Acceso a texto completo
An Early Warning Model for Predicting Credit Booms Using Macroeconomic Aggregates
Un modelo de alerta temprana para la predicción de booms de crédito usando los agregados macroeconómicos
Visitas
942
Alexander Guarín
Autor para correspondencia
aguarilo@banrep.gov.co

Corresponding author.
, Andrés González, Daphné Skandalis, Daniela Sánchez
Banco de la República, Bogotá, Colombia
Este artículo ha recibido
942
Visitas
Información del artículo
Abstract

In this paper, we propose an alternative methodology to determine the existence of credit booms, which is a complex and crucial issue for policymakers. In particular, we exploit the Mendoza and Terrones's (2008) idea that macroeconomic aggregates contain valuable information to predict lending boom episodes. Specifically, our econometric method is used to estimate and predict the probability of being in a credit boom. We run empirical exercises on quarterly data for six Latin American countries between 1996 and 2011. In order to capture simultaneously model and parameter uncertainty, we implement the Bayesian model averaging method. As we employ panel data, the estimates may be used to predict booms of countries which are not considered in the estimation. Overall, our findings show that macroeconomic variables contain relevant information to identify and to predict credit booms. In fact, with our method the probability of detecting a credit boom is 80%, while the probability of not having false alarms is greater than 92%.

Keywords:
Early warning indicator
Credit booms
Bayesian Model Averaging
Emerging markets
Resumen

En este documento se propone una novedosa metodología para determinar la existencia de booms de crédito, el cual es un tema bastante complejo y de crucial importancia para las autoridades económicas. En particular, se explota la idea de Mendoza y Terrones (2008) que señala que los agregados macroeconómicos contienen información valiosa para predecir los episodios de boom. El ejercicio econométrico realiza la estimación y predicción de la probabilidad de estar en un boom de crédito. El trabajo empírico se lleva a cabo a partir de datos trimestrales de seis países latinoamericanos entre 1996 y 2011. Para capturar simultáneamente la incertidumbre en la elección del modelo y el valor de los parámetros, se emplea la técnica Bayesian Model Averaging. Como se hace uso de datos panel, los resultados econométricos podrían ser empleados para predecir booms de países que no se consideran en la estimación. En conjunto, los resultados muestran que las variables macroeconómicas contienen información importante para identificar y predecir los booms de crédito. De hecho, con nuestro método la probabilidad de detectar un boom de crédito es 80% mientras la probabilidad de no tener falsas alarmas es mayor al 92%.

Palabras clave:
Indicador de Alerta temprana
Booms de Crédito
Promedio Bayesiano de Modelos
Mercados Emergentes
El Texto completo está disponible en PDF

The opinions expressed here are those of the authors and do not necessarily represent neither those of the Banco de la República nor of its Board of Directors. As usual, all errors and omissions in this work are our responsibility.

Copyright © 2014. Banco de la República de Colombia
Opciones de artículo
Herramientas
es en pt
Política de cookies Cookies policy Política de cookies
Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí. To improve our services and products, we use "cookies" (own or third parties authorized) to show advertising related to client preferences through the analyses of navigation customer behavior. Continuing navigation will be considered as acceptance of this use. You can change the settings or obtain more information by clicking here. Utilizamos cookies próprios e de terceiros para melhorar nossos serviços e mostrar publicidade relacionada às suas preferências, analisando seus hábitos de navegação. Se continuar a navegar, consideramos que aceita o seu uso. Você pode alterar a configuração ou obter mais informações aqui.