body {overflow: hidden;} .js-needed-message {position: fixed; z-index: 999; width: 100%; height: 100%; background-color: rgba(0, 0, 0, 0.5); } .js-needed-message p {color: #444; width: 50%; padding: 30px; position: relative; top: 40%; left: 25%; pointer-events: auto; background-color: #fff; background-clip: padding-box; border: 1px solid rgba(0, 0, 0, 0.2); border-radius: 0.3rem; outline: 0; }

Habilita JavaScript en tu navegador para poder visualizar esta web correctamente.

Cerrar panel

Inicio
Publicaciones
Quiénes somos
Big Data

Alta frecuencia

Warning

/var/www/html/wp-content/themes/bbvaresearch/headerMenu.php

125

Alta granularidad

Warning

/var/www/html/wp-content/themes/bbvaresearch/headerMenu.php

137

Geopolítica

Warning

/var/www/html/wp-content/themes/bbvaresearch/headerMenu.php

149

Publicaciones

Previsiones

EN
ES

Alta frecuencia

Warning

/var/www/html/wp-content/themes/bbvaresearch/headerMenu.php

243

Alta granularidad

Warning

/var/www/html/wp-content/themes/bbvaresearch/headerMenu.php

255

Geopolítica

Warning

/var/www/html/wp-content/themes/bbvaresearch/headerMenu.php

267

Publicaciones

Compartir RRSS Cerrar RRSS

Publicada el viernes, 29 de mayo de 2015 | Actualizada el viernes, 29 de mayo de 2015

Documento número 15/16

Eurozona | Evaluando la capacidad predictiva del MIDAS

Publicación Documentos y archivos Autores

Resumen

En este documento de trabajo aplicamos el MIDAS a un amplio y diverso conjunto de datos e incorporamos los promedios bayesianos para la selección de variables. El resultado es que los modelos MIDAS son útiles para estimar el PIB en tiempo real. Además, existen ganancias en la capacidad predictiva al combinar varios modelos frente a la opción de elegir sólo uno de ellos.