Aplicaciones del Filtro de Kalman a las calibraciones en modelos de ciclo real

Abstract

Este trabajo tiene dos objetivos. El primero de ellos es aportar una generalización del filtro de Kalman a la estimación de modelos dinámicos con expectativas racionales formadas en el presente de variables endógenas futuras. El segundo es mostrar dos aplicaciones de este procedimiento en modelos estocásticos de crecimiento bajo el supuesto de expectativas racionales. En particular, se presenta, por un lado, una metodología para calibrar parámetros de estos modelos que resultan difíciles de estimar debido a la ausencia de datos en la economía real (por ejemplo, el coeficiente de aversión relativa al riesgo). El procedimiento que se presenta tiene la ventaja de la sencillez de su funcionamiento. Por otro lado, se utiliza el procedimiento de calibración para dar una medida objetiva de discriminación entre modelos, que permita resolver el problema de identificación de modelos observacionalmente equivalentes.

This paper pursues two objectives. One is to generalize the Kalman Filter to dynamic models with rational expectations which include current expectations of future endogenous variables. A second objective is to illustrate two applications of this estimation procedure to stochastic rational expectations growth models. The first applications is a propasal to calibrate sorue parameters in tbese models whose estimation is difficult because of the lack of appropriate data (for example, the coefficient of relative risk aversion). In the second application, the previous calibration procedure is used to offer an objective measure which allows for discriminating among alternative models that have, in some aspects, a similar stochastic behaviour.