Sei sulla pagina 1di 26

ESTADISTICA ESPAÑOLA

Vol. 33,

Núm. 126, 1 991, págs. 73 a 98

EI crecimiento subyacente en variables económicas

F. JAVIER FERNANDE^Z MACHO

Departamento de Análisis Económico e Instituto de Economía Pública Universidad del País Vasco

RESUMEN

EI presente artículo estudia las propiedades espectrales de un procedimiento de extraccíón de tendencia y crecimiento subya- cente basado en una clase de modelos de componentes no observables que puede ser de interés en el análisis de series económicas.

Palabras Clave: Componente no observable, Crecimiento subya- cente, Extracción de señales, Filtros de paso bajo, Filtros pasabanda, Función de transferencia, Modelo estructural de series temporales, Tasas interanuales.

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

F.ST^Zf)FSTI(.^ f SF'•1tiC)[ A

  • 1. ESTRUCTURA DE SERIES ECONOMICAS

Una serie temporal consiste típicarnente 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 gráfica la evolución temporal del índice mensual de producción industrial (IPI} durante un re- cienie periodo. La estructura que adopta esta serie temporal es típica de muchas series socio-económicas. Sus principales características, aprecia- bles a simple vista, consisten en una tendencia, o evolucián general a largo plazo de la serie, y una fluctuación estacional que, al menos de manera aproximada, se repite cada año. Un madelo apropiado deberá obviamente tener en cuenta estas características, par la que su estructura suele formu- larse, al menos implícitamente, en base a una descomposición de la forma siguiente

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

(1)

donde el componente irregular reffeja ia variación no sistemática de la serie. La formulación del modelo es no lineal en general, pero una formula- ción en la que f^ ) es aditivá suele ser una razonable aproxímacíón en fa mayoría 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 relación multiplicativa entre los componentes de la serie original).

Una de las razones para modelar una serie temporal univariante consiste en describir la serie en términos de sus componentes de interés. Por ejemplo, existen ocasiones en las que se desea examinar la serie libre de efectos estacionales, e, incluso, es posible que sea de interés examinar la propia tendencia a largo plazo para tener constancia tanto de la evolución general de la serie como de su tasa de crecimiento. Tradicionalmente, estas operaciones se han Ilevado a cabo sin recurrir explícitamente a un modelo

estadístico, (e.g.

medias móvi(es de cierta longitud, medias estacionales,

etc.}.

La ventaja de una adecuada modelización explícita consiste no sólo

en la clarificación de los supuestos subyacentes sino en la flexibilidad para representar movimientos de la serie que pueden tener diferentes propieda- des. (Véase p.e^. la aplicación al análisis de indicadores cíclicos de Fernán- dez 1 989 y 1991. EI lector puede también encontrar ilustrativo el compa- rar el procedirniento aquí utilizado con las propuestas de Espasa 19$8, 199CJ y Melis 19$8, 1989 y otras referencias allí citadas}.

EI

presente artículo estudia las propiedades espectrales de un procedi-

miento de extracción 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

ÍS

la sección 2. Las secciones 3 y 4 estudian la extracción de la tendencia y del crecimiento anual subyacente respectivarnente a partir de esta ciase de modelos, aportando además ejernplos de aplicación y comparaciones con otras alternativas. Por último, la sección 5 aplica el procedimiento propues- to al análisis de la inflación subyacente.

  • 2. l1N MODELO DE COMPQNENTES NO OBSERVABLES

Sé ha mencionado anteriormente que un modelo apropiado debería tener en cuenta las características más salientes de la serie, !o que puede conse- guirse formulando su estructura en base a una descomposición de tipo (11 donde, generalmente, los companentes no son observables. Las componen- tes tendencial y estacionai intentan capturar aquellas características 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 sólo tienen un efecto momentáneo sobre la serie. Un madelo ARIMA estacional

responde a este esquema de manera implícita (véase p.ej.

Peña 1989},

pero no permite una fácii extracción de los componentes. En contraste, un

mode% estructura/ de series ternporales o

MEST (véase

p.ej.

Fernández

1988, 1991 y referencias allí citadas} utiliza directamente esta formulación

especificando explícitamente mecanismos generadores para los componen-

tes que incorporan directamente cierta información

a priori sobre la evolu-

ción de los componentes. En este caso, la extracción de los c^rnponentes

es trívíal en la práctica a partir del filtro de Kalman.

Peña (1 989) obtiene a partir de la función de predicción implícita en un modelo ARIMA tradicional la formufación del equílibrio a largo plazo típico de muchas series económícas. A partir de ahí, 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 estocásticos 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

Cb,f /

L O

1

Jl

b^,^ !

" l

bo

/

- l

b

/ '

(3)

puesto que la segunda relación ímplica 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 expresián alternativa

tiene, sin embargo, la ventaja de transformarse en una tendencia estocás-

tica simplemente añadiendo una perturbación aleatoria en cada ecuación

( mt

b^

1

1

( m^_,1

; donde(

^r ) M N/D Cc^^.^o °^J

rl t

 

O

1

` b ,_,

/

 

(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 estocástica pero mantiene

localmente un caracter lineal.

Esta formulación de la tendencia estocástica se generaliza a órdenes más

altos al añadir más elementos al vector que representa la tendencia. En

general, una tendencia estocástica 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 dimensián d+ 1 tal que

,u^ = A ,ur_, + ur ; donde

vt M NlD^O , ^J ,

( 6 )

sieñdo A

una matriz

triangular superior

cuyos

elementos no nulos son

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

Estacionalidad

EI

componente estacional del equilibrío a largo piazo típico de muchas

variables económicas consiste simplemente en ficticias estacionales cuyos

efectos se anulan ai completar un año. 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 nú mero de observacio-

nes en el año. 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 típica de muchas series económi- cas es de la forma

^/t=mr+St+ut

(g}

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

vector /ct}, st es la estacionalidad estocástica, y el término irregular

u^

es

estacionario por definición. En general, se admite que

ut pueda seguir un

proceso ARMA, pero en la mayoría de los casos resulta suficiente formular

un proceso de ruído blanco distribuido normal e independientemente con media cero y varianza ^, es decir

ut M N/D (O, a ú)

(9)

Por tanto, los parámetros 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 así construido incorpora directamente en su formulación las

características típicas de las series económicas, permitiendo que la extrac- ción de una estimación óptima de cada una de ellas pueda realizarse en la práctica 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 ^7m^ = b^ + rl ^

Dbt = ^t

S,(L^st = cu!

u^

o ú

^^

N^©

o ,

°ñ

^

,

^ f

0 cr?

cv^

^

(11)

donde D y S,IL) denotan los operadores de diferencia y de suma respectiva- mente definidos en función de L como

V=1-L,

S,(L1= 1 +L+L2+

...

+L'-' .

(12)

(13)

Conviene mencionar además 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 sí, implica que las croscovarianzas entre { y^ } y

{m^} coinciden con las autocovarianzas de {m^} y crospectro entre { y^ } y { m^ } es simplemente

en consecuencía el

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

(1 ^ )

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

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

0.17 °/`o rnensual

(2.06% anual aproximadamente}. Por últirno, la Figura ^4

muestra la ganancia del filtro de paso bajo irnplícito en la extracción 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 implícita en un M EST de la forma

(i i) con parámetros

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

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

do en un modelo apropiado, tal y como aquí se propone, muestra 'rnduda-

bles ventajas sobre el procedimiento ad hoc. En primer lugar, mientras que

la extraccián de la tendencia a partir del M EST no introduce desfases

temporales (la función 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

más flexible, dejando que los datos, al ajustar el modelo, jueguen un impor-

tante papel en la determ inación no sólo de las ponderaciones en cada

frecuencia, sin0 incluso de la banda de paso más adecuada. Y, por último,

no es menas importante el que un procedimiento basado en un modelo

resulte ser susceptibie de someterse a un proceso de cantrastacián e^sta-

dística que nos permita tomar una decisión sobre la validez de la tendencia

extraida. (Vo obstante, es preciso admitir que los filtros propuestos por

Melis (1988) tienen !a ventaja de su fácil y rápido manejo, lo que puede ser

de interés cuando el número 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 práctica 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 parámetros (21).

  • 4. EXTRACC101V DEL CRECIMIENTO SUBYACENTE

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

para cada momento t, !a información más 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 año anterior, la cual muestra un perfil mucho más suave. Estos

crecimientos anuales, que denotaremos [3t, deben calcularse acumulando

los últimos ^ crecimientos básicos, 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 relación entre procesos estaciona-

rios cuyos espectros son

1 ^,, (^J = .i b r^1 + (2 ^I ^' {c(r.^)^ fb(^J = (2^J-^ c(r^.Jc(^,^'^.

+ c(^,J [c (^.J rr^^, + c (r^,J ^ J } ,

( 2 4 a >

(24b)

Nuevamente, puesto que las perturbaciones son independientes entre si,

las croscovarianzas entre { yr } y{ bt } coincidirán 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 transformación de { yr } en { b^ } es

G(^,J = f b(^.) /f y(í^J

( 2 6)

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

La extracción del crecimiento anual subyacente {[3^ } a partir de las obser-

vaciones { y^ } equivale por tanto a un filtro pasabanda construido mediante

el filtra do en casca da de

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,(Lj:

bt }----^ [31 t.

E^STA[)ISTIC`A F^SF'AÑO[_A

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

estacional, y así el filtro pasabanda obtenido tiene ganancia

G(^^) =

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

(27)

y misma función de fase que ia diferencia estacional. Esto última implica

un desfase temparal variable en función de 1a frecuencia de la oscilación de

entrada, esto es

D(í^^ _ (n/^. - r)/2 .

128)

Esta función es positiva para frecuencias ^, < n/r, y, por lo tanto, el fiitro

adelanta toda oscilación de periodo rnayor de dos años. Por ejemplo, con

datos mensuales ios picos de una oscilación de 2$ meses se observarán

con un mes de adeianto al estudiar e! crecimiento anual subyacente {^r },

mientras que las de una de 6 años se observarán con un adelanto de un

año. Por otro lado, dado que la primera potencia nula no ocurre hasta

^.

_

2rr/r, es interesante apreciar que para las frecuencias í^ > nlr el filtro tiene

un desfase negativo; así, por ejemplo, los picos de oscilaciones de 16

meses se observan con 2 meses de retraso. Nótese sin embargo que si

tomamos como referencia los crecimientos básicos { b^ }, entonces e! desfa-

se con respecto a!a referencia será

Dlr,^1-D/1, ^) _(1-r)/2, lo que es

independiente de 1a frecuencia ^

..

En particular, para datos mensuales,

nuestro crecimiento estará retrasado 5.5 meses con respecto a los creci-

mientos básicos.

Ejemp/os.

  • 1.- La Figura 6 muestra las tasas de crecimiento anual subyacente del IP!

obtenidas conforme a los parárnetros (20) estimados en la sección anterior.

La Figura 7 muestra !a ganancia del filtro pasabanda implícito en la extrac-

ción del crecímiento dei I PI, el cual posee potencia máxima 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 interés, con la

implícita en la extracción del crecimiento anual subyacente a partir de un

M EST de la forma 11 1} con parámetros

^= 0.2D61, ^= 0. 0888,

c^-?,= 1. 6266x 1 D 8, rrú =

). 5D64 .

( 2 9)

F:l_

(^^Kf ('IMIFNTO

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

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

parámetros rinden potencias sensiblemente menores, por lo que es de

esperar que nuestra señal tendrá un perfil más suave, además de un

desfase temporal menor.

A /te^na tí vas:

^ 1. °-

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

Podría pensarse que una alternativa más sencilla para la obtención de los

crecimientos anuales { Qt } y de sus propiedades sería el tomar diferencias

estacionales de la tendencía { mt } extraida en la sección anterior. Es preciso

señalar que

Qrmt ' ^/^t+Sr^^-^^lt/^

(30}

por lo que en tal caso la señal que se pretende identificar quedaría en

general contaminada con las innovaciones

ganancia resultante sería la expresión

{ r^t } del nivel de la tendencia. La

c(r^.13^2c(^)^

(27} con el término

añadido al numerador.

"

Kitagawa ( 19$1 } induce suavidad por media de

rrñ = 0, En este caso es

obvio que sí tendremos

Vrmt =^t, y

podremos

estudiar el crecimiento

subyacente a partir de la tendencia. De este modo el filtro que obtiene el

crecimiento anual incurrirá en idéntico desfase

que ^7,,

mientras que la

expresión ( 1 9) indica que tendrá una ganancia

G(^,) i

c (r^, j^^2 c^

.

crr^,)a^ + c(^,)2[c(.^)c,^^, + crr^.)a^J

2. a-

Extraer la tendencia de las diferencias estacíonales { xr=o, yt }.

( 31 }

Dado que nuestro interés en esta sección está 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 debería Ilevarnos a similares resultados, lo que se

traduciría en la práctica en una extracción rnás rápida al manejar el filtro cte

Kalman un estado mucho más 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 ,

^%3t = Ct ,

ct -- S,^L)^t .

(32)

84

E.STADIS^1^tt'A E;SNAÑt)LA

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

nuevas perturbaciones, supondrá un fi^tro de las mismas características

(ganancia, etc.) que a partir del modelo original {1 1). EI problema es que, en

la práctica, no es tarea fácil tener en cuenta la particular estructura de los

nuevos términos de error, (nótese 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 extracción de la señal,

pero indudablemente entraña 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 rcrñ + 2(a^, + o úJ J,

í34a)

.Í ^^.^) _ (^ nJ-'ra^ .

{34b)

La extracción del crecimiento anual subyacente { j3^ } a partir de las dífe-

rencias estacionales { xl } equivale por tanto a un filtro pasabanda canstrui-

do mediante el filtrado en cascada de

una diferencia estacional:

una primera diferencia:

un filtro de ganancia f ^/'f X y fase nula:

ef filtro no estacionario V^':

{ y^} ^^

{xt},

{x^}

^

{x^},

{ xf}

>

{ ct },

{ ct }

>

{^ r }.

lo que, como antes, resulta en una misma función de fase que la diferencia

estacional, mientras que la ganancia es

G(^.) =

r c(r^.)' ^^ a?

r[c (^.J a? + o-? J+ 2 c(í^^J[ t^^, + c^ ^

( 3 5)

Comparando esta expresión con la

(27) (véase la Figura 9) puede apre-

ciarse como el nuevo filtro tiene una contribución relativa sustancialmente

mayor en las frecuencias de carte, lo que se

traduce en la práctica en una

señal extraida excesivamente contaminada.

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

Quizá los malos resultados prácticos de la alternativa anterior se deban a

que tomar diferencias estacionales previo a la extracción de la señal haya

sido demasiado drástico. Después 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^^ ,

o^3t = c^ , donde ct = S,(L)^t .

13^)

Nuevamente no resulta fácil, en la práctica, tener en cuenta la peculiar

estructura de !os nuevos términos 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 extracción 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:

dos primeras diferencias:

un filtro de ganancia f ^/f I y fase nu^a:

el filtro no estacionario 0^':

{ Yt } --^. { zt },

{zt}

> {Z^},

{ Z^}-^. {

ci },

{ cl }

>{^t }.

lo que, como antes, resulta en una misma función de fase que la diferencia

estacional, mientras que la ganancia es

^(^ ) _

r c (r ^ )12 cr?

'

r^c (^ ) a^ + o?J+ c(^)2[ rr?, + r c^ J

(3g}

Comparando

(39) con las expresiones

(35) y(27)

(véase la Figura 9)

podemos apreciar que la extracción del crecimiento anual subyacente a

partir de las sumas anuales produce resultados mucho mejores que a partir

de las diferencias estacionales. Además puede comprobarse fácilmente que

las fórmulas

(39) y(27) coinciden cuando

^, = 0,

y que, en general, para

series cuya pauta estacional no es excesivamente ti^olátil, la extracción 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, ĉr^ = 0.1 x) 0^6, á^^, = 2.Ox 10-6, ĉrÚ = O.

(40)

De acuerdo c©n estas estimaciones se obtuvieron las tasas de crecimien-

to anual subyacente del IPC de la Figura 1 1. (EI filtro pasabanda implícito

en esta estimación de la ínflacíón subyacente t^ene, por supuesto, una

forma similar al representado en la Figura 7, con potencia máxima alrede-

dor de las fluctuaciones de 8 años aproximadamente). EI gr^ifico permite

apreciar claramente el ŭltímo repunte inflacionista a partir de IVoviembre

1987; no obstante !a inflación 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 además comparar el creci-

miento subyacente con las tasas de variacián brutas, mostrando así el

potencial del procedimiento expuest0 en el análisis de fa coyuntura de este

tipo de fenómenos económícos.

REFERENCIAS

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

documento de trabajo n. ° 8806, Banco de España.

ESPASA, A. { 1990). "Metodología para realizar el análisis de la coyuntura de

un fenórneno económico",

España.

dacumento de trabajo n.° 9003,

Banco de

FERNANDEZ, F. J. {1988Í. "Nlodelos estructurales de series temporales: una

aplicación al análisis y predicción de agregados monetarios y fiscales"",

Revista de Economía Pública,

1, 44-6 5.

FERNANDEZ, F. J. (1 989). "Uso de indicadores en el análisis de1 comporta-

miento de la economía a corto plazo", papel de trabajo 07/89, Instituto

de Estudios Fiscales.

FERNANDEZ, F. J. (1991). "Indicadores sintéticos de aceleraciones y desace-

leraciones en la actividad económica", Revísta Española de Economía, vol.

VIII, 1, 125-156.

KITAGAWA, G. { 19$1 ). "A nonstationary time series model and its fitting by

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 variación", documento

de trabajo n.° 8908, Instituto Nacional de Estadistica.

MELIS, F. (1 989). "Sobre la hipótesis de componentes y la extracción de la

señal de coyuntura sin previa desestacionalización'", Revista Española de

Economía, vol. V I, 1.

PEÑA, D. (1989^. "Sobre la interpretación de modelos ^ RI MA univarian-

tes"", Trabajos de Estadística, 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 ESPAÑOL_A

^

Q^

Q^

^

e

^

h

^

tt^

^

In

^

^

^

_^

Q

^ a

^

^

^

T

^

^

^

^

^

^

^ ^

h

O_

^U

^

`D

^

v

^

r1

á

v

^

4

I

r

 

^- --

l

 

^

^

^

^

^

^

^

^

^

^

á D^^t

EL C'RECIMIENTO SUBYACENTE EN VARIABLES EC^ONOMICAS

$9

^

^

É

^

^

r-

Ñ

r`7

N

T

u7

^.r

^t

M

N

^

Ñ

r

^

^

^

^

^

^

47

N

^

^

^

^

r

r

^ÍU

ESTApISTICA ESPAÑC)L.A

.`

^

^

^

N

^

^

x

^

v_

^ V

C

4^

^

c

Ĥ

L

  • i 4 L

W

I

 

1

T

N

T

T

 

'

N

(

^

M

f

^

.J4.1,i a °,^

^

E

.^

r

^

ta

r

M

M

r

^

^

^

r-

N

^

^

.--

E

^

^

É

^

M

h^

É

^

^

t0

^ ^

^

^

M

^

€ €

^

É

E

^

N

M

T

r

EL CRECIMIENTO SUBYACENTE EN VARIABLES ECON^MIC: AS

g I

I^ U 0 ^

ç O
ç
O

,--

^

r^

^

C:^

^D

Cj

^

a

92

FSTA[jIST1CA ESPAÑ(^LA

©

.

T -

ín

^

[^

^

t`

cb

^

^t

r7

N

b

C^

C^

^

C^

C5

I^I^UI.?U^ ĈJ

 

a

la

:

ac

C

^

C

^

a

^

^

^

.

^

r

^ ^

T

T-

^

[^

I"1

r

^

^

^ 0

O

.. D

C

4

V

^

W

^

EL CREC'IMIENTO SLIE3YACENTE

EN VARIABLES

ECONOMI(^AS

^Ĵ 3

^

v

^

0

0

.^.J

C

^

^

^^L.1

^.1

.^ _

^V

47

^

^

^

^

r

^

a

^

^

^

^ €

^

^

^

^ ^

^

^

^

Í'^

t^

cr^

^l

^

^l N

^

I

I

!

I

-T

I

-

Í^

c

^

^ ^I

C:^^

94

ESTADISTICA ESPAÑOLA

f

T

^

M c^ .-

r r--

r t^-

r

T

^

^

^

^

^

^

^

^

1^:1_

('RE=.CIMIE:NTO

SI.JBYACENTE E:^ VARIAI;1_E:S E('(^ti(^)^11('^^S

y5

a]

t^

T

^""

c^

4^^

^t

t`'l

nJ

T-

T

r^

Tr P+

T

T'-

T--

Cn

C7

c4

C]

^

^

^

t~

cO

^17

tt

r7

t,^

r-

^ c^ C^

C.] c^ L^ C^

C7

Q1.^`,UC'.a^l^^

^arn[^tsr^^c^.^ E^S^;^vc^t_^

 

.

.

`

 

^^ y

 

i

.r^

R"

 

F

N

O

O

O

^

C

L7

1^

D

a

y

^

C3.

(A

y

C3

Ĉ

^

y

Q

^

^a

^o

?

o

ii: ii^

n Q^ •--

C

`^

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

T^T

^Z

T+

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

^ ^

^

C

ac

^

^a

Cn

^

^

^

^.

^

^

t^

^

^ ^

R

^

^

^

^

^

R

^

^A

^

^

^

^

^

^

^

^

^ ^

rn

ti

^

N

 

T

T

^

C7

C^

r•

cn

^

r^

r

.--

T

T

T

r^

0

^

tt

r7

N

T

T

T

1

T

T

^

C5

r,^

,--

^

rn

T^

r

T_

_^

r^

aCl

C5

l^

1

C^

ct^

I

i0

ir7

]

CS

^t

i

^

r^

98

ESTADISTIC"A ESF'AÑC)LA

^ ^ ^ Gn E ps É ^ ^ a. ^ ^ ^ ^ É ^
^
^
^
Gn
E
ps
É
^
^
a.
^
^
^
^
É
^
f`►
^
^
^
^
R
^
^
t
^
É
^
^
^
^
^^
4
'O
E
4
.a^.+
N
c
ÉC
^
v
U
H
É
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-

^%^^