Monitoreo del riesgo de burbujas en los precios de la vivienda en Colombia
##plugins.themes.bootstrap3.article.details##
Este trabajo propone una metodología práctica para el monitoreo de burbujas en tiempo real de los precios de la vivienda en Colombia que pueda ser utilizada como sistema de alerta temprana. Esta propuesta está basada en modelos econométricos de series de tiempo, en los cuales se supone que una serie de tiempo con burbujas presenta patrones de desbalance sostenido entre su velocidad y aceleración. El estudio se aborda a partir de metodologías no utilizadas antes sobre el mercado de la vivienda en Colombia y sin la inclusión de variables exógenas a los índices de precios de vivienda. Los resultados obtenidos muestran que los índices de precios de la vivienda usada en Colombia (IPVU) han sido estables, ya que no se detecta la presencia de patrones de burbuja; sin embargo, para el último periodo analizado (2013), los precios de la vivienda en Bogotá presentan un desbalance significativo entre su velocidad y aceleración.
real estate bubble, ARIMA models, recursive residuesburbuja inmobiliaria, modelos ARIMA, residuales recursivosbolha imobiliária, modelos ARIMA, residuais recursivos
Caicedo, S., Morales, M., y Pérez, D. (2010). Reporte de estabilidad Financiera 51. Un análisis de sobrevaloración en el mercado de la vivienda en Colombia. Recuperado de https://www.banrep.gov.co/sites/default/files/publicaciones/archivos/Tema4_sept.pdf
Case, K., y Shiller, R. (1987). Prices of single family homes since 1970: New indexes for four cities. New England Economic Review, Sep, 1-51.
Christopher, C., Dell’Ariccia, G., Igan, D., y Paul, R. (2013). How to deal with real estate booms: Lessons from country experiences. Journal of Financial Stability, (9), 300-319.
Clavijo, S., Cuéllar, E., y Beltrán, D. (2017). Los precios de la vivienda en Colombia (2005-2017). RASEC reporte sector construcción N.o 191. Recuperado de https://www.anif.co/sites/default/files/publicaciones/private/restricted/2017/12/rasec191.pdf
Filimonov, V., y Sornette, D. (2011). A stable and robust calibration scheme of the log-periodic power law model. Zúrich: ETH Risk Center.
Frances, P. H. (2014). A simple test for a bubble bsed on growth and acceleration. Computational Statistics & Data Analysis, 100, 160-169.
Glaeser, E. L., y Nathanson, C. G. (2017). An extrapolative model of house price dynamics. Journal of Financial Economics, 126(1), 147-170.
Goodfellow, I., Bengio, Y., y Courville, A. (2016). Deep learning, volume 1. Cambridge: MIT press.
Heij, C., de Boer, P., Frances, P., Kloek, T., y Dijk, H. (2004). Econometric Methods with Applications in Business and Economics. Nueva York: Oxford University Press.
Jacobsson, E. (2009). How to predict crashes in financial markets with the Log-Periodic Power Law. Recuperado de https://www2.math.su.se/matstat/reports/serieb/2009/rep7/report.pdf
Jarrow, R., Kchia, Y., y Protter, P. (2011). How to detect an asset bubble. SIAM Journal on Financial Mathematics, 2(1), 839-865.
Jhoansen, A., Ledoit, O., y Sornette, D. (2000). Crashes as Critical Points. International Journal of Theoretical and Applied Finance, 3(1) 219-255.
Jiang, Z. Q., Zhou, W. X., Sornette, D., Woodard, R., Bastiensen, K., y Cauwels, P. (2009). Bubble Diagnosis and Prediction of the 2005-2007 and 2008-2009. Chinese stock market bubbles. Journal of Economic Behaviour & Organization, 74(3), 149-162.
Johansen, A., y Sornette, D. (2008). Log-periodic power law bubbles in Latin-American and Asian markets and correlated anti-bubbles in Western stock markets: An empirical study. Los Angeles: Universidad de California.
Salazar, N., Steiner, R., Becerra, A., y Ramírez, J. (2012). ¿Qué tan desalineados están los precios de la vivienda en Colombia? Bogotá: Fedesarrollo.
Shiller, R., y Case, K. (2004). Is There a Bubble in the Housing Market? Brookings Papers on Economic Activity, 2003(2), 299-342.
Sornette, D. (2003). Why Stock Markets Crash. Nueva Jersey: Princeton University Press. Not