Incertidumbre, Gestión de la Política Monetaria y Entropía de las Expectativas en la República Dominicana: Un análisis basado en algoritmos de Text Mining y Redes Neuronales

Resumen

La evaluación de la incertidumbre y del balance de riesgos concerniente a las variables macroeconómicas y financieras más relevantes constituye uno de los ejes centrales en los procesos de toma de decisiones, por parte de los hacedores de política. Desde la perspectiva de los agentes económicos, la percepción de estos riesgos y la credibilidad que se otorga a la gestión de la política monetaria, constituyen elementos cruciales en la formación de expectativas, las cuales representan uno de los principales mecanismos de transmisión de la política monetaria, jugando un rol pivote en las oscilaciones de variables tales como: la tasa de interés, el tipo de cambio, los salarios, la demanda agregada y los precios domésticos. La literatura económica reciente apela a técnicas de aprendizaje computacional (machine learning), considerando las bondades de estas herramientas, tanto para el manejo de un amplio espectro de información, de carácter cuantitativo y cualitativo, así como también en función del marco analítico que proveen para llevar a cabo el procesamiento de dicha información. El objetivo de este trabajo consiste en establecer el impacto de la incertidumbre, del sesgo del balance de riesgos y de las decisiones de las autoridades monetarias sobre el grado de entropía o anclaje de las expectativas de los agentes económicos, con el propósito de analizar las circunstancias bajo las cuales se genera una mayor previsibilidad de las decisiones de política, así como también enfatizar la importancia y los efectos de la credibilidad de las comunicaciones del banco central sobre el comportamiento de los precios domésticos y la potencial holgura que propician para orientar una política monetaria de carácter contra-cíclico. Se utilizan algoritmos de text mining para llevar a cabo la construcción de una métrica inherente a la incertidumbre internacional, utilizando noticias en tiempo real procedentes de diferentes portales electrónicos, así como también para extraer la tónica subyacente en los comunicados de política emitidos mensualmente por el Banco Central de la República Dominicana (BCRD). Se estima un modelo de redes neuronales para generar una tasa de inflación en función del índice de sentimiento de los comunicados.