Descripción

Este trabajo presenta, en primer lugar, argumentos a favor de realizar inferencia al momento de evaluar modelos a través de su capacidad para predecir fuera de muestra. Se argumenta que ciertas reglas de decisión basadas en simples comparaciones de Errores Cuadráticos Medios (ECM) fuera de muestra son equivalentes a realizar un test estadístico con un nivel de confianza de solo el 50%. En segundo lugar, y siguiendo los trabajos de McCracken (2007) y de Clark y West (2006), se entrega evidencia, vía simulaciones de Monte Carlo, de la no normalidad de la distribución asintótica de las diferencias de ECM cuando los modelos comparados son anidados. Esto significa que, en el caso de la típica comparación predictiva con un camino aleatorio, este simple modelo puede arrojar un ECM muestral incluso menor que el de un modelo alternativo que sea el verdadero proceso generador de datos. Esta situación se denomina en el presente artículo “predictibilidad encubierta”, puesto que, a pesar de existir predictibilidad, ésta puede quedar oculta tras la incertidumbre paramétrica que afecta al verdadero modelo. Se argumenta que la “predictibilidad encubierta” puede ser detectada a través de ciertos tests desarrollados recientemente. La predictibilidad de este tipo es finalmente ilustrada a la luz de dos trabajos previos en el contexto de la paridad peso-dólar