ESTADISTICA ESPAOLA

Vol. 33, Nm. 126, 1 991, pgs. 73 a 98

EI crecimiento subyacente en variables

econmicas

F. JAVIER FERNANDE^Z MACHO

Departamento de Anlisis Econmico
e Instituto de Economa Pblica
Universidad del Pas Vasco

RESUMEN

EI presente artculo estudia las propiedades espectrales de un

procedimiento de extraccn de tendencia y crecimiento subya-
cente basado en una clase de modelos de componentes no
observables que puede ser de inters en el anlisis de series
econmicas.

Palabras Clave: Componente no observable, Crecimiento subya-

cente, Extraccin de seales, Filtros de paso bajo, Filtros
pasabanda, Funcin de transferencia, Modelo estructural de
series temporales, Tasas interanuales.

Clasificacin AMS.^ 62 P20, 90A 1 6, 90A20.

 F.ST^Zf)FSTI(.^ f SF'1tiC)[ A

1. ESTRUCTURA DE SERIES ECONOMICAS

Una serie temporal consiste tpicarnente en un conjunto de observacio-

nes de una cierta variable realizadas a lo largo del tiempo a intervafos
regulares. Por ejemplo, la Figura 1 muestra de forma grfica la evolucin
temporal del ndice mensual de produccin industrial (IPI} durante un re-
cienie periodo. La estructura que adopta esta serie temporal es tpica de
muchas series socio-econmicas. Sus principales caractersticas, aprecia-
bles a simple vista, consisten en una tendencia, o evolucin general a largo
plazo de la serie, y una fluctuacin estacional que, al menos de manera
aproximada, se repite cada ao. Un madelo apropiado deber obviamente
tener en cuenta estas caractersticas, par la que su estructura suele formu-
larse, al menos implcitamente, en base a una descomposicin de la forma
siguiente

Serie ^ f(Tendencia, Estaeiona/idad, lrregu/ar^ (1)

donde el componente irregular reffeja ia variacin no sistemtica de la
serie. La formulacin del modelo es no lineal en general, pero una formula-
cin en la que f^ ) es aditiv suele ser una razonable aproxmacn en fa
mayora de los casos, especialmente si se admite que la serie descompues-
ta pueda consistir en los logaritmas de los datos originales (1o que equivale
a formular una relacin multiplicativa entre los componentes de la serie
original).

Una de las razones para modelar una serie temporal univariante consiste
en describir la serie en trminos de sus componentes de inters. Por
ejemplo, existen ocasiones en las que se desea examinar la serie libre de
efectos estacionales, e, incluso, es posible que sea de inters examinar la
propia tendencia a largo plazo para tener constancia tanto de la evolucin
general de la serie como de su tasa de crecimiento. Tradicionalmente, estas
operaciones se han Ilevado a cabo sin recurrir explcitamente a un modelo
estadstico, (e.g. medias mvi(es de cierta longitud, medias estacionales,
etc.}. La ventaja de una adecuada modelizacin explcita consiste no slo
en la clarificacin de los supuestos subyacentes sino en la flexibilidad para
representar movimientos de la serie que pueden tener diferentes propieda-
des. (Vase p.e^. la aplicacin al anlisis de indicadores cclicos de Fernn-
dez 1 989 y 1991. EI lector puede tambin encontrar ilustrativo el compa-
rar el procedirniento aqu utilizado con las propuestas de Espasa 19$8,
199CJ y Melis 19$8, 1989 y otras referencias all citadas}.
EI presente artculo estudia las propiedades espectrales de un procedi-
miento de extraccin de tendencia y crecimiento subyacentes basado en
una clase de modelos de componentes no bservables que se presenta en
 EL C'RE('IMIENTO SLIBYACENTE EN VARIABLES E:CC7Nt)MiC'AS S

la seccin 2. Las secciones 3 y 4 estudian la extraccin de la tendencia y

del crecimiento anual subyacente respectivarnente a partir de esta ciase de
modelos, aportando adems ejernplos de aplicacin y comparaciones con
otras alternativas. Por ltimo, la seccin 5 aplica el procedimiento propues-
to al anlisis de la inflacin subyacente.

2. l1N MODELO DE COMPQNENTES NO OBSERVABLES

S ha mencionado anteriormente que un modelo apropiado debera tener

en cuenta las caractersticas ms salientes de la serie, !o que puede conse-
guirse formulando su estructura en base a una descomposicin de tipo (11
donde, generalmente, los companentes no son observables. Las componen-
tes tendencial y estacionai intentan capturar aquellas caractersticas perma-
nentes de las series, que se reflejan en el espectro en forma de picos en el
origen y en las frecuencias estacionaies respectivamente, mientras que el
componente irregular intenta recoger las influencias aleatorias que slo
tienen un efecto momentneo sobre la serie. Un madelo ARIMA estacional
responde a este esquema de manera implcita (vase p.ej. Pea 1989},
pero no permite una fcii extraccin de los componentes. En contraste, un
mode% estructura/ de series ternporales o MEST (vase p.ej. Fernndez
1988, 1991 y referencias all citadas} utiliza directamente esta formulacin
especificando explcitamente mecanismos generadores para los componen-
tes que incorporan directamente cierta informacin a priori sobre la evolu-
cin de los componentes. En este caso, la extraccin de los c^rnponentes
es trval en la prctica a partir del filtro de Kalman.
Pea (1 989) obtiene a partir de la funcin de prediccin implcita en un
modelo ARIMA tradicional la formufacin del equlibrio a largo plazo tpico
de muchas series econmcas. A partir de ah, los mecanismos generadores
de los componentes que determinan un M EST consistente con la estructu-
ra de tales series (p.ej. el I PI de la Figura 1) pueden obtenerse al convertir
en estocsticos los componentes de tal equilibrio a largo plazo.

Ten dencia

Supongamos que el camponente de tendencia del equilibrio a largo plazo

de una variable es lineal, es decir de.grado c^=1:

-a+bt; (^)
 7fi f'STAC)ISTI('A FSF'.AtilfiE_^A

esto es una tendencia global linea^ que puede expresarse alternativarnente

como

(3)
Cb,f / L O 1 Jl b^,^ ! " l bo / - l b /'

puesto que la segunda relacin mplica bt = b, y, en la primera, mt = mr_, + b

supone que, sustituyendo sucesivamente para t> 1, m, = mo + b= a+b, m2 =
m,+6 = a+2b, ..., tenemos finalmente que mt = a+ bt. La expresin alternativa
tiene, sin embargo, la ventaja de transformarse en una tendencia estocs-
tica simplemente aadiendo una perturbacin aleatoria en cada ecuacin

( mt
b^
1 1 ( m^_,1
O 1 ` b ,_, /
; donde ( rl t
^r
) M N/D
Cc^^.^o ^J (4)
EI efecto de estas perturbaciones es e^ conseguir que tanto nivel mi
corno gradiente br no tengan un caracter global fijo, sino que varien lenta-
mente con t. De esta forma la tendencia es estocstica pero mantiene
localmente un caracter lineal.

Esta formulacin de la tendencia estocstica se generaliza a rdenes ms

altos al aadir ms elementos al vector que representa la tendencia. En
general, una tendencia estocstica que aproxime localmente el polinomio
de grado d que caracteriza el equilibrio a largo plazo,

m^ = c, + c2t + .. . + c,^, td ,

puede expresarse con un vector Ic^ de dimensin d+ 1 tal que

,u^ = A ,ur_, + ur ; donde vt M NlD^O , ^J , (6)

siedo A una matriz triangular superior cuyos elementos no nulos son

iguales a uno, y^ una matriz diagonal no negativa.

Estacionalidad

EI componente estacional del equilibro a largo piazo tpico de muchas

variables econmicas consiste simplemente en ficticias estacionales cuyos
efectos se anulan ai completar un ao. Por tanto, el proceso que genera la
estacianalidad puede suponerse de la forma
r-1
st =-^ s^-; + cvt , t=1,..., T,
;- ^
 Fl. C'RFC^IMIF^tiTC) SI;RYA('F!^TE F_N V:^R1,1RF_F:S F-C`n^1C^MfC'AS ^7

donde c^^t ^ NlD (O, ^, ) y r es el periodo estaciona I o n mero de observacio-

nes en el ao. De esta manera la pauta estacional puede variar lentarnente
pero siempre de acuerdo con un mecanismo que asegura que la suma de
efectos estacionales a lo largo de r periodos de tiernpo consecutivos tenga
un valor esperado igual a cero mientras que la varianza permanece cons-
tante a lo largo del tiernpo.

E/ mode/o estructura/

EI M EST consistente con la estructura tpica de muchas series econmi-

cas es de la forma

^/t=mr+St+ut (g}

donde mr denota el nivel de la tendencia estocstica (primer elemento del

vector /ct}, st es la estacionalidad estocstica, y el trmino irregular u^ es
estacionario por definicin. En general, se admite que ut pueda seguir un
proceso ARMA, pero en la mayora de los casos resulta suficiente formular
un proceso de rudo blanco distribuido normal e independientemente con
media cero y varianza ^, es decir

ut M N/D (O, a ) (9)

Por tanto, los parmetros del modelo son las varianzas de cada compo-
.nente, esto es: a^ y^, para una tendencia lineal (y sucesivos elementos
diagonales de E para tendencias de orden superior}, a^^, para la estacionali-
dad, y a^ para un irregular de ruido blanco.
EI M EST as construido incorpora directamente en su formulacin las
caractersticas tpicas de las series econmicas, permitiendo que la extrac-
cin de una estimacin ptima de cada una de ellas pueda realizarse en la
prctica utilizando el filtro de Kalman.

3. EXTRACCION DE LA TENDENCIA

Sea el M EST consistente en las ecuaciones (8}, (4}, (7} y(9). Utilizando
el operador de retardos L tal que

LnrY^% = yt-n (10)

 ESTADIST IC'A ESPr^tiOLA

el M EST puede reescribirse como

yr = mt + st + ut u^ o
^7m^ = b^ + rl ^ ^^ ..N^ o, ^ , (11)
Dbt = ^t ^f 0 cr?
S,(L^st = cu! cv^ ^

donde D y S,IL) denotan los operadores de diferencia y de suma respectiva-

mente definidos en funcin de L como
V=1-L, (12)

S,(L1= 1 +L+L2+...+L'-' . (13)

Conviene mencionar adems que de su producto se obtiene el operador de
diferencias estacional
o,= `PS,iL)= 1 -L`. (14)

Tanto { yt } corno { mr } en (1 1} vienen generados por procesos no estacio-

narios. Sin embarga, tomando diferencias obtenemos los procesos estacio-
narios

y^ _ ^7C7^yr = m^ + v2cvt + vv^ur , (1 5a)

IrI^= o^7,mt = Orr]^ + S,(L^^t , (1 5b)

cuyos espectros quedan respectivamente definidos por

.rYr^.^ =fmr^.^ + r2n1_^ ^^^^ ^^r^^^^ + err^^^^. (16a)

fmr/^% _ ^2JtJ-1 C^^./^.^ /^ + C(/^.%-1 a?J. (16b)

donde c(^) = 4sen2(,^12/. Por otro lado, el hecho de que las perturbaciones
sean independientes entre s, implica que las croscovarianzas entre { y^ } y
{m^} coinciden con las autocovarianzas de {m^} y en consecuenca el
crospectro entre { y^ } y { m^ } es simplemente

1 ^,^Y^^^1= .l^n^^^^ ^ (1 ^ )

lo que significa que la ganancia de la transformacin de { yt } en { m^ } es

^r^l = .1^7^^1r1^yr^^ c ^ 8>

 ^.ST -^,F)(ST It t f tiF'>^()F -^

0.17 /`o rnensual (2.06% anual aproximadamente}. Por ltirno, la Figura ^4

muestra la ganancia del filtro de paso bajo irnplcito en la extraccin de la
tendencia del IPI, el cual posee potencia mitad en la frecuencia 2^r/28
aproximadamente.

3.- Los filtros autorregresivos ad hvc propuestos por Melis ( 1988} no

resultan incompatibles con la estructura impuesta por los M EST. En parti-
cular, es posible comprobar (Figura 5} que la ganancia de su filtro AR2 con
potencia mitad en 2n/2v coincide con la implcita en un M EST de la forma
(i i) con parmetros

^- o. ^ 434, cr^ = o. o ^ 94, ^^ _^.3878x 1 p-'o, o^ 1. 5229 . (2i)

En cualquier caso, un procedimiento de extraccin de la tendencia basa-

do en un modelo apropiado, tal y como aqu se propone, muestra 'rnduda-
bles ventajas sobre el procedimiento ad hoc. En primer lugar, mientras que
la extraccin de la tendencia a partir del M EST no introduce desfases
temporales (la funcin de fase es nula en todas las frecuencias), el filtrado
autorregresivo incurre en un desfase negativo que supone un coste infor-
mativo de unas 4 observaciones en la banda de paso. En segundo lugar, es
ms flexible, dejando que los datos, al ajustar el modelo, jueguen un impor-
tante papel en la determ inacin no slo de las ponderaciones en cada
frecuencia, sin0 incluso de la banda de paso ms adecuada. Y, por ltimo,
no es menas importante el que un procedimiento basado en un modelo
resulte ser susceptibie de someterse a un proceso de cantrastacin e^sta-
dstica que nos permita tomar una decisin sobre la validez de la tendencia
extraida. (Vo obstante, es preciso admitir que los filtros propuestos por
Melis (1988) tienen !a ventaja de su fcil y rpido manejo, lo que puede ser
de inters cuando el nmero de series a procesar sea grande. En tales
casos es bueno saber que estos filtros producen resultados compatibles
con un M EST, ya que pueden ser de gran utilidad prctica siempre y
cuando no sea muy arriesgado suponer que los componentes de las series
vengan generados por mecanismos como los forrnulados en un M EST con
los parmetros (21).

4. EXTRACC101V DEL CRECIMIENTO SUBYACENTE

La serie { bt } de crecimientos (o tasas de crecimiento) bsicos recoge,

para cada momento t, !a informacin ms reciente sobre la variable bajo
estudio. Sin embarga, su perfil puede, en ocasiones, ser demasiado irregular
como para evaluar el crecimiento subyacente de la variable. En este sentido
suele utilizarse la serie de crecimientos de un mes con respecto del mismo
 f=.l. ('RF:C'IMIENTn 5l_1RYACENT'f.; E;N VARIAF3Lf S EC"C)NOMI('AS R1

mes del ao anterior, la cual muestra un perfil mucho ms suave. Estos

crecimientos anuales, que denotaremos [3t, deben calcularse acumulando
los ltimos ^ crecimientos bsicos, es decir

I^t - ^r(^^bt ^
{22)

por lo que sus propiedades pueden obtenerse a partir de las { b

^ Tanto { yt } como { bl } en t 1 1) vienen generados por procesos no estacio-
narios. Sin embargo, reescribiendo (1 51 en la forma siguiente

yi = OO,y^ = b^ + V,^1t + ^2cvt + ^70,Ur, (23a)

b^ = o,bt = S,(L J ^t , (23b)

nuestro problema queda reducido a una relacin entre procesos estaciona-

rios cuyos espectros son

1 ^,, (^J = .i b r^1 + (2 ^I ^' {c (r.^) ^ + c(^,J [c (^.J rr^^, + c (r^,J ^ J } , (24a>
fb(^J = (2^J-^ c(r^.Jc(^,^'^. (24b)

Nuevamente, puesto que las perturbaciones son independientes entre si,

las croscovarianzas entre { yr } y{ bt } coincidirn con las autocovarianzas de
{ b^ }, por lo que el crospectro entre { y^ } y { bf } es

f by(^J - ^b(^` ^ ^ 2 `J ^

y la ganancia de la transformacin de { yr } en { b^ } es

G(^,J = f b(^.) /f y(^J ( 2 6)

mientras que la fase ser trivialmente nula en todas las frecuencias.

La extraccin del crecimiento anual subyacente {[3^ } a partir de las obser-
vaciones { y^ } equivale por tanto a un filtro pasabanda construido mediante
e l fil tra d o en casca d a d e ^ ^
una primera diferencia y una diferencia estacional: { yt }^3. { yt },

el filtro de ganancia ( 26) y fase nula: { yr }____^. { b^ },

el filtro no estacionario o;': { bl }^^. { bt }.

. ,
I a su m a S,(L j: bt }----^ [31 t.
 E^STA[)ISTIC`A F^SF'AO[_A

Los pasos 1,3 y 4 quedan, en conjunto, reducidos a una diferencia

estacional, y as el filtro pasabanda obtenido tiene ganancia

c (r ^:13'^ r^
G(^^) = ' (27)
c(r^ ) jc(^^ ^+ o-? J+ c(,^^12 (c(.^^)r,r?U + c(ra^^a^ l

y misma funcin de fase que ia diferencia estacional. Esto ltima implica

un desfase temparal variable en funcin de 1a frecuencia de la oscilacin de
entrada, esto es

D(^^ _ (n/^. - r)/2 . 128)

Esta funcin es positiva para frecuencias ^, < n/r, y, por lo tanto, el fiitro
adelanta toda oscilacin de periodo rnayor de dos aos. Por ejemplo, con
datos mensuales ios picos de una oscilacin de 2$ meses se observarn
con un mes de adeianto al estudiar e! crecimiento anual subyacente {^r },
mientras que las de una de 6 aos se observarn con un adelanto de un
ao. Por otro lado, dado que la primera potencia nula no ocurre hasta ^. _
2rr/r, es interesante apreciar que para las frecuencias ^ > nlr el filtro tiene
un desfase negativo; as, por ejemplo, los picos de oscilaciones de 16
meses se observan con 2 meses de retraso. Ntese sin embargo que si
tomamos como referencia los crecimientos bsicos { b^ }, entonces e! desfa-
se con respecto a!a referencia ser Dlr,^1-D/1, ^) _(1-r)/2, lo que es
independiente de 1a frecuencia ^.. En particular, para datos mensuales,
nuestro crecimiento estar retrasado 5.5 meses con respecto a los creci-
mientos bsicos.

Ejemp/os.

1.- La Figura 6 muestra las tasas de crecimiento anual subyacente del IP!
obtenidas conforme a los parrnetros (20) estimados en la seccin anterior.
La Figura 7 muestra !a ganancia del filtro pasabanda implcito en la extrac-
cin del crecmiento dei I PI, el cual posee potencia mxima en ia frecuencia
.^rr/40 aproximadamente.

2.-- Es posible comprobar (Figura 8^ que la ganancia del filtro

D(12)*AR2^2Q) (Melis 1^88) coincide, en la banda de inters, con la
implcita en la extraccin del crecimiento anual subyacente a partir de un
M EST de la forma 11 1} con parmetros

^= 0.2D61, ^= 0. 0888, c^-?, = 1. 6266x 1 D 8, rr = ). 5D64 . ( 2 9)

 F:l_ (^^Kf ('IMIFNTO SURYA(^'EtiTF F^I VARI^^F3i F^^ E-(^C^tiOMI( :^^

Sin embargo, para frecuencias ms altas, la Figura 8 muestra como estos

parmetros rinden potencias sensiblemente menores, por lo que es de
esperar que nuestra seal tendr un perfil ms suave, adems de un
desfase temporal menor.

A /te^na t vas:

^ 1. - Calcu/ar diferencias estacionales de la tendencia { mt }.

Podra pensarse que una alternativa ms sencilla para la obtencin de los
crecimientos anuales { Qt } y de sus propiedades sera el tomar diferencias
estacionales de la tendenca { mt } extraida en la seccin anterior. Es preciso
sealar que

Qrmt ' ^/^t+Sr^^-^^lt/^ (30}

por lo que en tal caso la seal que se pretende identificar quedara en

general contaminada con las innovaciones { r^t } del nivel de la tendencia. La
ganancia resultante sera la expresin (27} con el trmino c(r^.13^2c(^)^
aadido al numerador. "
Kitagawa ( 19$1 } induce suavidad por media de rr = 0, En este caso es
obvio que s tendremos Vrmt =^t, y podremos estudiar el crecimiento
subyacente a partir de la tendencia. De este modo el filtro que obtiene el
crecimiento anual incurrir en idntico desfase que ^7,, mientras que la
expresin ( 1 9) indica que tendr una ganancia

c (r^, j^^2 c^
G(^,) i . ( 31 }
crr^,)a^ + c(^,)2[c(.^)c,^^, + crr^.)a^J

2. a- Extraer la tendencia de las diferencias estaconales { xr=o, yt }.

Dado que nuestro inters en esta seccin est centrado en el creci-
miento anual, cabe preguntarse si es realmente preciso mantener el cc^m-
ponente estacional, Intuitivamente puede parecer que un suavizado de las
diferencias estacionales debera Ilevarnos a similares resultados, lo que se
traducira en la prctica en una extraccin rns rpida al manejar el filtro cte
Kalman un estado mucho ms sencillo.

A partir del M EST (1 1) puede verse que el modelo para !as diferencias
estacionales es

xt =^3t + et , donde et = S,(L)r^t + o cvt + orut ,

(32)
^%3t = Ct , ct -- S,^L)^t .
 84 E.STADIS^1^tt'A E;SNAt)LA

Extraer {[3t } a partir de este modelo, manteniendo la estructura de las

nuevas perturbaciones, supondr un fi^tro de las mismas caractersticas
(ganancia, etc.) que a partir del modelo original {1 1). EI problema es que, en
la prctica, no es tarea fcil tener en cuenta la particular estructura de los
nuevos trminos de error, (ntese por ejernplo que { ct } no es invertible).
Ignorar la estructura de Ios errores, y suponerles generados por procesos
independientes de ruido blanco con varianzas v(etJ = rcr^+2(^, + c^) y v(c^1 =
r^ respectivamente, resulta en un gran aharro en la extraccin de la seal,
pero indudablemente entraa un coste. Tomando diferencias en (32) tene-
mos el praceso estacionario

x^=Dx^=+ct+Vet. (33)

cuyo espectro es

f x(^.J = f ^(.^ J+(2 ^J-^ c(^.1 j rcr + 2(a^, + o J J, 34a)

. ^^.^) _ (^ nJ-'ra^ . {34b)

La extraccin del crecimiento anual subyacente { j3^ } a partir de las dfe-

rencias estacionales { xl } equivale por tanto a un filtro pasabanda canstrui-
do mediante el filtrado en cascada de
una diferencia estacional: { y^} ^^ {xt},

una primera diferencia: {x^} ____^ {x^},

un filtro de ganancia f ^/'f X y fase nula: { xf } > { ct } ,

ef filtro no estacionario V^': { ct } > {^ r } .

lo que, como antes, resulta en una misma funcin de fase que la diferencia
estacional, mientras que la ganancia es
r c(r^.)' ^^ a?
G(^.) = ( 3 5)
r[c (^.J a? + o-? J+ 2 c(^^J[ t^^, + c^ ^
Comparando esta expresin con la ( 27) (vase la Figura 9) puede apre-
ciarse como el nuevo filtro tiene una contribucin relativa sustancialmente
mayor en las frecuencias de carte, lo que se traduce en la prctica en una
seal extraida excesivamente contaminada.

3. a Extraer el gradiente de las sumas anuales {zt=Sr(LJyt}.

Quiz los malos resultados prcticos de la alternativa anterior se deban a
que tomar diferencias estacionales previo a la extraccin de la seal haya
sido demasiado drstico. Despus de todo ^, elimina ia estacionalidad
 El_ C'RECIMIFNTO SUBYACFNTE EN V;^RIANL.E_S EC`(^1iC)MIC'.^S

gracias a que contiene el factar S^(L). Intentaremos ahora extraer el creci-

miento anual subyacente {[3t} a partir del modelo para las sumas anuales. A
partir del M EST (1 1) puede verse que el modelo para las sumas anuales es

z1= c^r^ + et , donde e^ = cr^^ + Sr(L)ut ,

o yr^ _(^^ + hr , donde h^ = S,(L)r^^ , 13^)
o^3t = c^ , donde ct = S,(L)^t .

Nuevamente no resulta fcil, en la prctica, tener en cuenta la peculiar

estructura de !os nuevos trminos de error. Si en lugar de mantener sus
estructuras en (36), los suponemos generados por procesos independientes
de ruido blanco con varianzas v(er/ = a?, + r^ , v(ht) = ra^ y y v(c^) = ra? res-
pectivamente, tenemos que las segundas diferencias

z^ = 0 2zt = cl + o h^ + 0 2 e^, ( 3 7)

son estacionarias y su espectro es

f I(^.) = J'^(^.) +(2 n)-'[c(^.)ra? + c(^.12(^, + r^) ^, (38>

con f ^(^.) definido en (34bj. La extraccin del crecimiento anua^ subyacente

{j^t} a partir de las sumas anuales {zt} equivale par tanto a un filtro pasaban-
da construido mediante el filtrado en cascada de
la suma anual: { Yt } --^. { zt },
dos primeras diferencias: {zt} > {Z^},

un filtro de ganancia f ^/f I y fase nu^a: { Z^}-^. { ci },

el filtro no estacionario 0^': { cl } >{^t }.

lo que, como antes, resulta en una misma funcin de fase que la diferencia
estacional, mientras que la ganancia es

r c (r ^ )12 cr?
^(^ ) _ ' (3g}
r^c (^ ) a^ + o? J+ c(^)2[ rr?, + r c^ J

Comparando ( 39) con las expresiones ( 35) y(27) ( vase la Figura 9)

podemos apreciar que la extraccin del crecimiento anual subyacente a
partir de las sumas anuales produce resultados mucho mejores que a partir
de las diferencias estacionales. Adems puede comprobarse fcilmente que
las frmulas ( 39) y(27) coinciden cuando ^, = 0, y que, en general, para
series cuya pauta estacional no es excesivamente ti^oltil, la extraccin del
crecimiento anual subyacente a partir de las sumas anuales puede ser una
alternativa aceptable.
Kf^ E S^ ;^^ t)1!i t l( .t E:SF'Ati()l^^>

5. U1'VA ESTIMACION DE LA INFLACION SUBYAGENTE

La Figura 10 presenta los datos correspondientes a observaciones men-

sua les del I PC entre Enero 1974 y Febrero 1990. Ajustando el M EST (1 1)
a los logaritmos del IPC se obtuvieron los siguientes resultados:

^= o.263x 10^4, ^r^ = 0.1 x) 0^6, ^^, = 2.Ox 10-6, ^r = O. (40)

De acuerdo cn estas estimaciones se obtuvieron las tasas de crecimien-

to anual subyacente del IPC de la Figura 1 1. (EI filtro pasabanda implcito
en esta estimacin de la nflacn subyacente t^ene, por supuesto, una
forma similar al representado en la Figura 7, con potencia mxima alrede-
dor de las fluctuaciones de 8 aos aproximadamente). EI gr^ifico permite
apreciar claramente el ^ ltmo repunte inflacionista a partir de IVoviembre
1987; no obstante !a inflacin parece haberse estabilizado al final del
periodo muestral ( Febrero 1990) en torno al 6.7%, apuntando incluso una
ligera tendencia a la baja. La figura 1 1 permite adems comparar el creci-
miento subyacente con las tasas de variacin brutas, mostrando as el
potencial del procedimiento expuest0 en el anlisis de fa coyuntura de este
tipo de fenmenos econmcos.

REFERENCIAS

ESPASA, A. (1 988). "EI perfil de crecimiento de un fenmeno econm,ico"',

documento de trabajo n. 8806, Banco de Espaa.
ESPASA, A. { 1990). "Metodologa para realizar el anlisis de la coyuntura de
un fenrneno econmico", dacumento de trabajo n. 9003, Banco de
Espaa.
FERNANDEZ, F. J. {1988. "Nlodelos estructurales de series temporales: una
aplicacin al anlisis y prediccin de agregados monetarios y fiscales"",
Revista de Economa Pblica, 1, 44-6 5.
FERNA^ NDEZ, F. J. (1 989). "Uso de indicadores en el anlisis de1 comporta-
miento de la economa a corto plazo", papel de trabajo 07/89, Instituto
de Estudios Fiscales.
FERNANDEZ, F. J. (1991). "Indicadores sintticos de aceleraciones y desace-
leraciones en la actividad econmica", Revsta Espaola de Economa, vol.
VIII, 1, 125-156.
KITAGAWA, G. { 19$1 ). "A nonstationary time series model and its fitting by
a recursive filter", Journal of Tme Series Analysis, 2, 1(J3-1 16.
 El_ C'RE("IMIE^i^T^O Sl!RYA('ENTE E^N V^tRIARI_ES EC'ONOM1C'AS g7

ME^is, F. (1988i. '"EI empleo correcto de las tasas de variacin", documento

de trabajo n. 8908, Instituto Nacional de Estadistica.
MELIS, F. (1 989). "Sobre la hiptesis de componentes y la extraccin de la
seal de coyuntura sin previa desestacionalizacin'", Revista Espaola de
Economa, vol. V I, 1.
PEA, D. (1989^. "Sobre la interpretacin de modelos ^ ^ RI MA univarian-
tes"", Trabajos de Estadstica, vol. 4, n. 2, 19-45.

UNDERLYING GROWTH lN ECONOMIC VARiABLES

SUMMARY

This paper investigates the spectral properties of a procedure

for extracting the underlying trend and growth in economic
variables. The technique ^ is based on a class of unobserved
components models which are of some interest in the analysis
of economi^ time series.
Key words: Unobserved Component, Underlying growth, Signal
extraction, Low-pass filter, Band-pass filter, Transfer
function, Structural time series model.

AMS classification: 62 P20, 90A 16, 90A20.

88 ESTADISTIC'A ESPAOL_A

^
Q^

Q^
^

e ^
h
^

tt^
^
O_
In ^U
^ ^
`D
^
^ ^
v
^

_^
Q
^
a
^^ T

^
^

^
r1
^

^ v
^
4
^ h
^

^
^

^- --
I l
r ^ ^ ^ ^
^ ^ ^ ^

D^^t
 EL C'RECIMIENTO SUBYACENTE EN VARIABLES EC^ONOMICAS $9

^
^

^
^
r-

r
^

^
^

^
^

47

^
^
^
N

^
r

^.r
^ r

r`7 N T u7 ^t M N
^U ESTApISTICA ESPAC)L.A

^
E

.^
r

^
ta
r

M
M
r

.`
r-

^
N
^ ^
^
N ^ ^
^
.--
^ ^

^
x E ^
^
v_
^V ^
C
4^
^
c M
^ h^
^
L
4 ^
i t0
L
W
^

I
^ ^
^
M
^
^ ^
N

^ M
T

E
r
1 T ^ ^

N T T N M
' ( f

.J 4.1,i a ,^
 EL CRECIMIENTO SUBYACENTE EN VARIABLES ECON^MIC: AS gI

I^ U^
0

O

,-- ^ ^ ^D ^
r^ C:^ Cj a
92 FSTA[jIST1CA ESPA(^LA

la

ac

C
^
C
^

I"1
r
^^
a
^
^ ^
0
^
^ O
D..

. C
^ 4
V
r
^
^ ^
W
^

.
T
T- n ^ t` cb ^ ^t r7 N T- ^
[^ ^ b C^ C^ ^ C^ C5 [^

I^I^UI.?U^ ^J
 EL CREC'IMIENTO SLIE3YACENTE EN VARIABLES ECONOMI(^AS ^^ 3

v
^
0
0
.^.J
C
^ r
^

^ .^
_
^
a
^
^
^ ^V
47
^
^^L.1 ^
^ ^
^.1 ^ ^

^

^
^
^
^ ^
'^

-T I-
t^ cr^ ^l ^ ^l N
^ I I ! I ^ c ^ ^ ^I

C:^^
94 ESTADISTICA ESPAOLA

f T r
^ M c^ .- T ^ ^ ^ ^
r r-- r t^- ^ ^ ^ ^
 1^:1_ ('RE=.CIMIE:NTO SI.JBYACENTE E:^ VARIAI;1_E:S E('(^ti(^)^11('^^S y5

^ ^ ^

a] t^ c^ 4^^ ^t t`'l nJ T- T-- Cn c4 t~ cO ^17 tt r7 t,^ r- C7

T ^"" T r^ Tr P+ T T'- C7 C] ^ c^ C^ C.] c^ L^ C^

,UC'.a^l^^
Q1.^`
 ^arn[^tsr^^c^.^ E^S^;^vc^t_^

.
` ^^ y
.r^
i
R"

F
N
O

O
O
^
C
L7
1^ y
D a C3
y
^ ^
C3. ^
y
(A

1o7^U^J^ 1JbD^ 1^b^^

.
T^T

Q ^ ^a ^o ? o ^Z
T+
ii: ii^ C `^
n Q^ --
O
O

^C^IUI?t[^U,J ^I^UA^.^^^ ^S^^J^I^U^^.^ G>I^U['.?L^I^^J ,^^

 EL C`RF.C'IMtF..I^iTO St1BYACENTE EN YARIABLf:S FCC?NC^MIC'AS 9^

O
Cn
^^
^ Cn
C ^
ac
^
^a
^
^
^
^. t^
^
^ ^
^A
^
^
R
^
^ ^
^ ^
^
^
R

^
^

^
^

^ rn
ti
^
^
^
N

T T T T T 1 T T T_ _^ 1 I ] i
^
r
C7
cn
C^
^
r^ 0 ^ ^ C5 r,^ r^ C5 C^
ct^
i0
ir7
CS ^
tt r7 N ,-- ^ rn aCl l^ ^t r^
r^ r .-- T T T T^ r
98 ESTADISTIC"A ESF'AC)LA

^
E
^
Gn
ps

^
^
a.
^
^ ^
^

f`^
^ ^

^
^ ^
R
^
^

t
^
^

^
^
^
4
'O
4
^^
E
.a^.+
c N
v C ^
U
H
D ^
N ^
O

^
t^.
T ^+..

r ^- 1
tD ^t N C^ rA c^ ^t N c^ a3 cD ^t N
cJ N N r^ r ,- T-

^%^^