Data de inflación dominicana • databcrd

library(databcrd)
library(ggplot2)
library(dplyr)

La inflación es sin duda una de las variables macroeconómicas más importantes y el centro de la política monetaria de República Dominicana. De su evolución dependen la estábilidad de variable reales como el consumo y la inversión, atrayendo la atención de los analistas y siendo consultada frecuentemente.

Este artículo muestra cómo acceder rápidamente a las expectativas de inflación de República Dominicana usando el paquete databcrd, específicamente la función get_ipc_data().

Desagregaciones de la inflación que se publican

General: inflación nacional sin desagregaciones
Por grupos: desagregación por grupos de bienes y servicios
Por regiones: inflación específica para las macroregiones del territorio nacional
Por componentes: inflación de bienes transables y no transables
Subyacente: inflación núcleo, excluyendo artículos volátiles.
Artículos:

Cón el paquete se puede acceder A todas las desagregaciones de la inflación usando la función get_ipc_data(), solo hay que específicar el argumento desagregacion, los posibles valores son: "general", "grupos", "subyacente", "regiones", "tnt" y "articulos".

Inflación general

Con get_ipc_data("general") se descarga la inflación general actualizada, con el ídice (ipc), la variación mensual (ipc_vm), la variación interanual (ipc_vi), la variación con diciembre (ipc_vd) y la variación promedio de los últimos 12 meses (ipc_p12).

inflacion_general <- get_ipc_data("general")
inflacion_general
#> # A tibble: 482 × 8
#>    fecha       year   mes   ipc ipc_vm ipc_vd ipc_vi ipc_p12
#>    <date>     <dbl> <dbl> <dbl>  <dbl>  <dbl>  <dbl>   <dbl>
#>  1 1984-01-01  1984     1  1.38  1.74    1.74   7.05    5.57
#>  2 1984-02-01  1984     2  1.42  2.81    4.60  11.2     6.01
#>  3 1984-03-01  1984     3  1.44  1.23    5.89  11.9     6.52
#>  4 1984-04-01  1984     4  1.46  1.57    7.55  14.9     7.36
#>  5 1984-05-01  1984     5  1.48  1.20    8.84  15.2     8.26
#>  6 1984-06-01  1984     6  1.54  4.31   13.5   19.6     9.49
#>  7 1984-07-01  1984     7  1.56  1.29   15.0   20.7    10.8 
#>  8 1984-08-01  1984     8  1.57  0.455  15.5   20.1    12.0 
#>  9 1984-09-01  1984     9  1.64  4.69   20.9   24.8    13.7 
#> 10 1984-10-01  1984    10  1.68  2.34   23.8   26.3    15.4 
#> # ℹ 472 more rows

Vamos a general gráficos de cada una.

# Función para gráficar la inflación
plot_ipc_data <- function(data, variable, title, start_year = 2018) {
  data |>
    filter(year == start_year) |> 
    ggplot(aes(x = fecha, y = {{ variable }})) +
    geom_line() +
    theme_minimal() +
    ggtitle(title) +
    theme(
      axis.title = element_blank(),
      plot.title.position = "plot"
    )
}

plot_ipc_data(inflacion_general, ipc, "Índice de precios al consumidor")

plot_ipc_data(inflacion_general, ipc_vm, "Variación mensual del IPC") +
  scale_y_continuous(labels = \(x) scales::comma(x, accuracy = 0.1, suffix = "%"))

plot_ipc_data(inflacion_general, ipc_vi, "Variación interanual del IPC") +
  scale_y_continuous(labels = \(x) scales::comma(x, accuracy = 0.1, suffix = "%"))

Ahora un pronóstico naive de la iflación

library(tsibble)
#> 
#> Attaching package: 'tsibble'
#> The following objects are masked from 'package:base':
#> 
#>     intersect, setdiff, union
library(fable)
#> Loading required package: fabletools
library(feasts)


ts_ipc <- inflacion_general |>
  mutate(fecha = yearmonth(fecha)) |>
  select(-mes) |>
  as_tsibble(index = fecha)

modelos <- ts_ipc |>
  model(
    ets   = ETS(box_cox(ipc_vm, 0.3)),
    arima = ARIMA(ipc_vm),
    naive = SNAIVE(ipc_vm)
  )

modelos
#> # A mable: 1 x 3
#>            ets                     arima    naive
#>        <model>                   <model>  <model>
#> 1 <ETS(A,N,A)> <ARIMA(3,1,1)(2,0,0)[12]> <SNAIVE>

modelos |>
  forecast(h = "6 months") %>% 
  autoplot(filter(ts_ipc, year > 2018), level = NULL) +
  theme_minimal()