ESTIMACIÓN DE UN INDICADOR DE INFLACIÓN BÁSICA PARA

COLOMBIA CONTEMPLANDO LAS VOLATILIDADES DE LOS

COMPONENTES

DANIEL CAMILO GALVIS BARRERO

DIRECTOR: JUAN FELIPE BERNAL URIBE

FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS

MAESTRÍA EN ECONOMÍA

BOGOTÁ D.C

2019
 Índice del documento

Contenido
1. Introducción:............................................................................................................................2
a. Esquema de Inflación objetivo en Colombia......................................................................3
b. Componentes y Volatilidad de la inflación total Colombiana...........................................5
c. Inflación Básica....................................................................................................................7
d. Justificación..........................................................................................................................8
2. Pregunta Problema..................................................................................................................8
a. Planteamiento de la pregunta problema.............................................................................8
b. Objetivos...............................................................................................................................8
i. General..............................................................................................................................8
ii. Específicos.........................................................................................................................8
3. Revisión de la literatura...........................................................................................................9
a. Enfoques metodológicos para medir la inflación subyacente............................................9
i. Enfoque estadístico...........................................................................................................9
ii. Enfoque Conceptual.........................................................................................................9
b. Inflación Subyacente en Economías en desarrollo.............................................................9
c. Inflación Subyacente en Colombia......................................................................................9
4. Hipótesis..................................................................................................................................11
5. Metodología............................................................................................................................11
a. Algoritmo K-Means............................................................................................................11
b. Datos....................................................................................................................................11
c. Resultados...........................................................................................................................11
i. Número de clusters.........................................................................................................11
ii. Recuperar la inflación subyacente................................................................................13
d. Estadísticas descriptivas de los clusters............................................................................14
e. Evaluación como medida de tendencia.............................................................................15
6. Conclusiones...........................................................................................................................16
7. Bibliografía.............................................................................................................................17
1. Introducción:

La credibilidad del banco central tiene efectos sobre la aplicación de política monetaria
de un país, lo que hace de vital importancia tener una medida acertada y fiable de los
cambios en el nivel agregado de precios de la economía. La medición de la inflación suele
tener dos problemas. El uso de índices como el índice de precios al consumidor (IPC)
contiene ambos, ruido y sesgo. Mientras que el primero ocasiona cambios de corto plazo,
que de manera imprecisa reflejan movimientos en la tendencia de largo plazo; el segundo,
conlleva a que el cambio promedio de largo plazo en el IPC sea muy alto [ CITATION Cec96 \l
9226 ].

En este proyecto se lleva a cabo una aproximación de Machine Learning para generar
una medida de inflación que omita los componentes más volátiles. Además, esta se
compara con medidas utilizadas de inflación básica (i.e inflación sin alimentos) utilizando
dos características que deben tener las medidas de cambio en precios, capturar la tendencia
de la inflación y ser capaz de predecir niveles futuros de inflación, blinder (1997) citado en
[ CITATION Aco18 \l 9226 ], obtenido un mejor resultado de las medidas de inflación básica
generadas con respecto a las disponibles.

a. Esquema de Inflación objetivo en Colombia

En Colombia, a partir de 1993 la junta directiva del banco de la república ha
fijado la meta de inflación1, pero, no fue sino hasta finales de 2010 que anunció
un rango meta entre 2% y4 %, después de modificar varias veces los rangos
establecidos en 2002. Como se puede ver en la Gráfica Uno, a partir de esa
fecha no se incumplió la meta hasta 2015, donde la inflación tomó un valor de
6.77% en diciembre, los dos años siguientes la meta también fue incumplida,
tomando su máxima distorsión en Julio de 2016, cuando la inflación total fue de
casi 9%.

1
La meta de inflación en Colombia hace referencia a la variación anual (12 meses) a diciembre de cada año
del índice de precios al consumidor, IPC.
 Indice de precios al consumidor
Variación anual Limite superior de la meta
9.50%
Meta largo plazo Limite Inferior de la meta 8.97%

8.50%

7.50%

6.50%
Porcentaje

5.50%

4.50%

3.50%

2.50%

1.50%
2003-01
2003-05
2003-09
2004-01
2004-05
2004-09
2005-01
2005-05
2005-09
2006-01
2006-05
2006-09
2007-01
2007-05
2007-09
2008-01
2008-05
2008-09
2009-01
2009-05
2009-09
2010-01
2010-05
2010-09
2011-01
2011-05
2011-09
2012-01
2012-05
2012-09
2013-01
2013-05
2013-09
2014-01
2014-05
2014-09
2015-01
2015-05
2015-09
2016-01
2016-05
2016-09
2017-01
2017-05
2017-09
2018-01
2018-05
Meses desde el anuncio de la meta

Gráfica Uno. Variación anual del índice de precios al consumidor, meta de largo plazo, límite superior e inferior. Elaboración propia,
datos de banco de la república
b. Componentes y Volatilidad de la inflación total Colombiana
Los productos que componen la canasta familiar con la cual se mide el
cambio en precios agregados de la económica está compuesta por artículos que
se dividen en 12 grupos de gasto, que se muestran a continuación:

Inflación Total
Alojamiento, agua,
Alimentos y bebidas no Bebidas alcoholicas y Prendas de vestir y
electricidad, gas y otros
alcohólicas tabaco calzado
combustibles
(4.57%) (3.01%) (1.52%)
(0.83%)

Muebles, artículos para

Información y
el hogar y conservación Salud Transporte
comunicación
ordinaria de la vivienda (1.70%) (1.40%)
(2.21%)
(1.71%)

Bienes y servicios
Recreación y cultura Educación Restaurantes y hoteles
diversos
(2.24%) (1.10%) (1.71%)
(2.48%)

Cuadro Uno. Componentes del gasto para la inflación, entre paréntesis la

desviación estándar de la variación anual de los componentes del gasto desde
enero de 2010, hasta diciembre 2018. Elaboración Propia, Datos, DANE.
100% Evolución Desviación estandar componentes del gasto

90%
Bienes Y Servicios Diversos

80% Restaurantes Y Hoteles

Educación
70%
Recreación Y Cultura
60% Comunicaciones

50% Transporte

Salud
40%
Muebles, Artículos Para El Hogar Y Para
La Conservación Ordinaria Del Hogar
30%
Alojamiento, Agua, Electricidad, Gas Y
Otros Combustibles
20% Prendas De Vestir Y Calzado

10% Bebidas Alcohólicas y Tabaco

Alimentos Y Bebidas No Alcohólicas

0%

Gráfica Dos. Participación Porcentual de las sumas de las desviaciones estándar de

todos los grupos de Gasto. Elaboración propia, datos DANE.

Con respecto al Cuadro Uno, podemos evidenciar que históricamente los

componentes más volátiles por los grupos del gasto que componen la canasta
familiar son alimentos y bebidas no alcohólicas junto con bebidas alcohólicas y
tabaco, por otro lado, los elementos menos volátiles de los componentes son
Alojamiento, Agua, Electricidad , Gas y otros combustibles y Educación.

La gráfica Dos, refleja la participación porcentual de cada componente del gasto

a la suma de las desviaciones estándares de todos los componentes. Es decir,
componentes que hayan aumentado su participación como por ejemplo, los bienes y
servicios diversos, se han vuelto más volátiles con el paso del tiempo. Es interesante
resaltar que por ejemplo las Bebidas Alcohólicas y Tabaco se han vuelto
relativamente menos volátiles, a pesar se seguir teniendo una gran participación en
el total de la volatilidad de la canasta.
c. Inflación Básica

La idea de encontrar una medida que excluya los choques de corto y

mediano plazo se basa en la idea que estos cambios en precios no se deben tener
en cuenta por el hacedor de política y este no debería reaccionar a estos. Existen
dos tipos principales de estos cambios en precios:

i. Son choques los cuales el hacedor de política simplemente no quisiera

reaccionar por su naturaleza volátil.
ii. Choques de corto plazo que vienen de fuentes más allá del control de la
autoridad monetaria
A pesar de las diferentes definiciones que puede tener el concepto de
inflación nucleó, una de las más usadas es el Índice de precios al consumidor
(IPC) sin componentes relacionados con alimentos y energía. (Robalo et al.,
2003) citado en [ CITATION Pin19 \l 9226 ]
Actualmente, existen medidas de inflación básica que buscas eliminar
perturbaciones temporales en los precios, eliminando los componentes de
alimentos y algunos regulados. La idea de esta medida es dar información sobre
la tendencia de largo plazo de los precios y es la medida que esta directamente
afectada por decisiones de política monetaria. Dentro de estas medidas se
encuentran:
i. Inflación sin alimentos
ii. Inflación núcleo 20
iii. Inflación sin alimentos y regulados
iv. Inflación sin perecederos, combustibles y servicios públicos
A pesar de existir actualmente medidas de inflación que busquen extraer los
choques de corto plazo para tener una medida menos sesgada del
comportamiento de los precios, estas son idiosincráticas y dan margen a
preguntarse por qué excluir o no alguna categoría de la inflación. Solo la
inflación núcleo 20 elimina el 20% de los componentes más volátiles pero este
límite puede no ser el óptimo durante ciertos periodos ocasionando incluir
elementos que sesguen la medida o por el contrario excluir componentes que
 pueden estás generando información valiosa sobre el movimiento de la
inflación.
d. Justificación
El control de la inflación es de vital importancia para la salud
macroeconómica de un país, Colombia al tener un esquema de inflación objetivo
debe ser consiente de los beneficios que tiene una inflación y unas expectativas
de inflación cercanas al rango meta. Entonces, es importante para los bancos
centrales poder discernir si los movimientos que se presentan en la economía en
cuanto a su nivel de precios se deben a choques transitorios, que tendrán un
efecto pasajero o por el contrario son choques persistentes.
Utilizar un indicador sesgado para tomar decisiones de política monetaria
hará que las acciones del banco central puedan no ser las más eficientes. Es
importante utilizar una medida que permita identificar los movimientos de
inflación sin sesgo ni ruido, para que las decisiones sean lo certeras posibles.
2. Pregunta Problema
a. Planteamiento de la pregunta problema
 ¿Es posible generar una métrica de básica que se desempeñe mejor que las
medidas que se utilizan actualmente?
b. Objetivos
i. General
 Determinar una medida de inflación básica que se
desempeñe mejor que las métricas que se utilizan actualmente
en la economía.
ii. Específicos
 Estimar una métrica de inflación básica que omita los
componentes más volátiles de la inflación Total.
Comparar la métrica con diferentes medidas de inflación para
corroborar si tiene mejor capacidad de pronóstico.
 Discernir si la medida generada refleja la tendencia de largo
plazo de la inflación
3. Revisión de la literatura
a. Enfoques metodológicos para medir la inflación subyacente
Existen dos aproximaciones para el cálculo de la inflación Básica. El
primero, netamente estadístico, donde se obtiene una medida de inflación a
partir de los índices de precios tradicionales. El segundo, conceptual basado en
técnicas econométricas que intenta descomponer las series en sus componentes
transitorios y permanentes. [CITATION Mis05 \l 9226 ]
i. Enfoque estadístico
Este enfoque parte de los índices publicados de la inflación
observada. Se utilizan variaciones del índice de inflación total por
criterios tales como alta varianza de los componentes. Dentro de estas
medidas se encuentran los cuatro índices mencionados en la justificación
de este documento.
ii. Enfoque Conceptual

Por otro lado, este enfoque se concentra en cómo definir la inflación

subyacente e intenta descomponer las series en sus componentes
transitorios y permanentes. Dentro de este enfoque se encuentran
medidas que utilizan filtros, por ejemplo el de Hodrick-Prescott, en la
búsqueda de la tendencia y el ciclo de las series.

b. Inflación Subyacente en Economías en desarrollo

Para las económicas emergentes, [ CITATION Pin19 \l 9226 ] evalúan la

capacidad de las medidas de inflación nucleó para predecir la inflación total,
encontrando sólo resultados robustos para Colombia al utilizar una muestra de
ocho economías emergentes y un horizonte de 24 meses.

c. Inflación Subyacente en Colombia

En Colombia se destacan los trabajos de [ CITATION Rod18 \l 9226 ], que

realizaron estimaciones de la inflación subyacente utilizando Modelos semi-
estructurales en ambos casos
 Bejarano, Hamann y Rodríguez (2016) introducen un indicador de inflación
básica que emplea un modelo semiestructural keynesiano para filtrar y
cuantificar el impacto de diversas clases de choques, teniendo la ventaja
adicional de considerar los efectos de la respuesta de política monetaria ante
choques en el modelo.

En Rodríguez y Ramírez (2018) se utilizan dos metodologías

semiestructúrales, específicamente, modelos VAR estructurales (SVAR) y
modelos macroeconómicos semiestructúrales de tipo Neokeynesiano. Además
de realizar una evaluación de las medidas con base en siete criterios deseables
para una medida de inflación básica.

Este artículo permite generar por primera vez en Colombia una medida de
inflación que clasifique los componentes de la misma en grupos por su
volatilidad histórica, dando la posibilidad así de generar de manera recursiva
diferentes índices de cambio en el nivel generalizado de precios con el fin de
compararlo frente a las medidas ya existentes. Además a pesar de que el trabajo
tiene un enfoque estadístico, este permite superar el problema de arbitrariedad,
de categorías o de límite, que presentan actualmente las medidas de inflación
básica que calcula el banco de la república.
4. Hipótesis
La medida de Inflación básica se desempeña mejor que las métricas disponibles,
recogiendo esta la tendencia de la inflación y siendo capaz de pronosticar niveles de
inflación futura de una mejor manera que las otras medidas disponibles.
5. Metodología

Siguiendo la aproximación de [ CITATION Aco18 \l 9226 ] Utilizamos herramientas de

Machine learning para clasificar los componentes de la inflación total en grupos según
su volatilidad histórica. Después de esto con los componentes que queden en el grupo
menos volátil construimos el índice de inflación de manera recursiva, con los
porcentajes de participación que estos tienen en la inflación total, divididos por la suma
de todos los porcentajes que se encuentren en el grupo menos volátil.

a. Algoritmo K-Means

b. Datos
Los datos que utilizamos son el resultado del ejercicio de la reconstrucción
histórica de los resultados 2009-2018 en nomenclatura basada en el estándar
COICOP y variaciones anuales por División, grupo y clase que se encuentra en
el Departamento Administrativo Nacional de Estadística (DANE).Utilizando la
información disponible para la variación anual de los 12 grupos del gasto, la
información permite entonces tener una muestra desde 2010 hasta 2018.
c. Resultados
i. Número de clusters
Para decidir el número de categorías aplicamos la regla de
Hartigan. Que enuncia que el total de clusters debe ser igual a K,
cuando el estadístico de Hartigan caiga por primera vez debajo de 10 [
CITATION Har79 \l 9226 ]
EK
H= ( EK +1 )
−1 ( N −K−1 ) (1)

Donde:

 Ei es la suma de errores al cuadrado con i clusters

  N número total de categorías

A continuación se muestra el valor que toman las sumas de

errores al cuadrado contemplando clusters de 1 hasta 12
categorías. Adicionalmente, podemos ver que el valor para el
cual el estadístico de hartigan cae por debajo del valor de 10 es
cuando K es igual 6.

Definición de número de categorías kmeans

suma de errores al cuadrado vs categorias

1.20E-03.
Suma de errores al cuadrado

1.00E-03.

8.00E-04.

6.00E-04.

4.00E-04.

2.00E-04.

0.00E+00.
0 2 4 6 8 10 12 14
K

Estadistico de Hartigan
40.00
35.00
Suma de errores al cuadrado

30.00
25.00
20.00
15.00
9.61
10.00
5.00
0.00
1 2 3 4 5 6 7 8 9 10
K

ii. Recuperar la inflación subyacente

 Partiendo de los resultados mostrados en la sección anterior las
categorías para los doce grupos del gasto que compone la inflación son:

Alojamiento, Agua, Electricidad, Gas Y Otros Combustibles 1

Educación 1
Transporte 2
Prendas De Vestir Y Calzado 2
Salud 3
Muebles, Artículos Para El Hogar Y Para La Conservación Ordinaria Del Hogar 3
Restaurantes Y Hoteles 3
Comunicaciones 4
Recreación Y Cultura 4
Bienes Y Servicios Diversos 4
Bebidas Alcohólicas y Tabaco 5
Alimentos Y Bebidas No Alcohólicas 6
0 1 2 3 4 5 6 7

Con el fin de recuperar de manera recursiva el valor de la

inflación con base en los datos del DANE, se realizará una
proporción de cada componente del gasto que componga la serie de
inflación. Es decir, los pesos que estos tienen sobre la inflación total
se transformaran de manera tal que sea el peso correspondiente al
número de cluster que corresponda.

Inflación por cluster

0.2

0.15

0.1

0.05

-0.05
10 10 10 11 11 11 12 12 12 13 13 13 14 14 14 15 15 15 16 16 16 17 17 17 18 18 18
/ 20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/

C6 C5 C4 C3 C2 C1
 Al agregar las series entre clusters es posible ver cómo al final
el rango que contiene a todos los grupos es la inflación total, pasando
por las exclusiones de diferentes categorias producto del resultado de
clasificación por el algoritmo de K means

Inflación acumulando los clusters

10.000%
9.000%
8.000%
7.000%
6.000%
5.000%
4.000%
3.000%
2.000%
1.000%
0.000%
10 10 10 11 11 11 12 12 12 13 13 13 14 14 14 15 15 15 16 16 16 17 17 17 18 18 18
/ 20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20 /20
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/ 1/ 5/ 9/

C1 C1:2 C1:3 C1:4 C1:5 C1:6

d. Estadísticas descriptivas de los clusters

A continuación presentamos la tabla con las estadísticas descriptivas para los
diferentes índices de inflación resultado del proceso de clasificación, además de
mostrar el valor mínimo, máximo y la desviación estándar.

Grupo C1 C1:2 C1:3 C1:4 C1:5 C1:6

Media 4.35% 3.67% 3.82% 3.67% 3.69% 3.73%
Valor Mínimo 2.90% 2.07% 2.29% 2.18% 2.18% 1.71%
Valor Máximo 6.57% 6.03% 6.42% 6.48% 6.47% 8.98%
Desviación estándar 0.80% 0.96% 1.06% 1.21% 1.22% 1.70%

Es interesante ver que para el caso del promedio de inflación no aumenta al

componer con componentes más volátiles. Sin embargo, la desviación estándar si,
siendo consistente con el proceso de clasificación que se realizó
 e. Evaluación como medida de tendencia

Error Error
cuadrático cuadrático
% Canasta
Medida de inflación Basica Medio Medio
CPI
promedio 24 promedio
meses 36 meses

C1 0.00747% 0.00629% 29.72

C1:2 0.00421% 0.00355% 49.93
C1:3 0.00289% 0.00338% 65.11
Clusters
C1:4 0.00226% 0.00315% 78.61
C1:5 0.00244% 0.00323% 79.86
C1:6 0.00497% 0.01137% 100
Sin alimentos primarios, servicios públicos y combustibles 0.00131% 0.00433%  
Medida
Sin alimentos ni regulados BR 0.00463% 0.00346%  
s
Sin alimentos BR 0.00294% 0.00308%  
banrep
Núcleo 20 0.00286% 0.00478%  

El cuadro anterior muestra el error cuadrático medio de los índices

generados respecto al promedio centrado a un lado de 24 meses y 36 meses,
esto como proxy de tendencia de inflación [ CITATION Cec96 \l 9226 ].
Encontramos que en un plazo de 24 meses la medida con el menor error es
Sin alimentos primarios, servicios públicos y combustibles.

Mientras por otro lado en un plazo más largo el índice con menor
error cuadrático medio es el la inflación sin alimentos del banco de la
república. A pesar de esto, segunda medida con el mejor ajuste en ambos
horizontes es la canasta que acumula los cuatro clusters.

6. Conclusiones
 Utilizando un algoritmo de clasificación logramos generar medidas de
inflación básica de manera recursiva.
 Se evaluó el desempeño de las medidas respecto a las existentes y se
evidenció un mejor desempeño de las medidas tanto en plazos de 24 como
36 meses. Sin embargo en el plazo de 24 meses la inflación sin alimentos del
banco de la republica también lo hace bastante bien.
7. Bibliografía
Acosta, M. (2018). Machinelearningcoreinflation. EconomicsLetters, 47-50.
Bejarano, J., Hammann, F., & Rodríguez, D. (2016). Indicador de Inflación Básica a partir de un
Modelo Semi-estructural con inflación de alimentos. Borradores de Economía.

Cecchetti, s. (1996). Measuring short-run inflation for central bankers. National

BureauEcon.Res.w5786.

Cecchetti, S. (1996). MEASURING SHORT-RUN ONFLATION FOR CENTRAL BANKERS. NBER

WORKING PAPER SERIES.

Hartigan, & Wong. (1979). Algorithm AS 136: A K-Means Clustering Algorithm . Journal of the
Royal Statistical Society. Series C (Applied Statistics), 100-108.

Misas A, M., López-Enciso, E. A., Téllez-Corredor, J. P., & Escobar-R., J. F. (2005). La inflación
subyacente en Colombia: Un enfoque de tendencias estocásticas comunes. Borradores de
economía.

Pincheira-Brown, Pablo, S., Jorge, N., & Luis, J. (2019). Forecasting inflation in Latin America with
core measures. International Journal of Forecasting, 1060-1071.

Rodríguez, N., & Ramírez, A. (2018). Metodologías semi-estructurales para. Borradores de

Economía.