1 3 y 1 4.ppt [modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo...
TRANSCRIPT
![Page 2: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/2.jpg)
1.3
La descomposición clásica de una serie temporal: tendencia,
estacionalidad, oscilaciones cíclicas y perturbaciones a corto plazo.
![Page 3: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/3.jpg)
FACTORES EN LA EVOLUCIÓN DE UNA SERIE TEMPORAL .LA DESCOMPOSICIÓN
CLÁSICA DE UNA SERIE TEMPORAL: TENDENCIA, ESTACIONALIDAD,
OSCILACIONES CÍCLICAS Y PERTURBACIONES A CORTO PLAZO.
LA PROPORCIONALIDAD DE LOS FACTORES RESPECTO AL NIVEL EN LAS SERIES ECONÓMICAS, LA TRANSFORMACIÓN
LOGARÍTMICA.
EL INTERÉS DE ESTOS FACTORES COMO ASPECTOS DE UNA SERIE TEMPORAL
QUE DEBEN SER MODELIZADOS.
![Page 4: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/4.jpg)
continuaciónLA NECESIDAD DE RESTRICCIONES, SOBRE
LAS QUE NO EXISTE CONSENSO, PARA ESTIMAR DICHOS FACTORES Y LA
CORRESPONDIENTE LIMITACIÓN DE TALES ESTIMACIONES.
SERIES AJUSTADAS ESTACIONALIDAD, SU POPULARIDAD Y CONSIDERACIONES
CRÍTICAS.
CONSTRUCCIÓN DE SERIES MACROECONÓMICAS SIN OSCILACIONES
ESTACIONALES: LAS SERIES DE LA CONTABILIDAD NACIONAL TRIMESTRAL
![Page 5: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/5.jpg)
DECOMPOSICIÓN CLÁSICA DE UNA SERIE TEMPORAL
• Se ha considerado durante décadas que una serie temporal Xt, se compone de:Xt = Tt · St · Ct · rt (1)
donde:Tt: tendenciaSt: factor estacionalCt: factor cíclicort: factor residual de fluctuaciones a corto plazo.
• La ecuación (1) refleja la ley de la proporcionalidad mencionada anteriormente. Así, St, Ct y rt se expresan como factores multiplicadores:
St = (1 + st)Ct = (1 + γt)rt = (1 + ρt)
sobre la tendencia.• 100 st
100 γt
100 ρt
Son los factores estacionales, cíclico y residual en porcentaje sobre la tendencia.
![Page 6: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/6.jpg)
EN PROBLEMAS DE PROPOCIONALIDAD LA TRANSFORMACION LOGARÍTMICA HOMOGENIZA LA
VARIANZA
Quaterly US Retail Sales
0
50000
100000
150000
200000
250000
30000019
60
1969
1978
1987
1996
10
11
12
13
Retail Sales (1) Log. Retail Sales (2)Non seasonally adjusted DataPeriod:1960.I-1999-IISource: OCDE
(1)
(2)
![Page 7: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/7.jpg)
LA FORMULACIÓN LINEAL DE LA DECOMPOSICIÓN CLÁSICA
• Tomando logaritmos en (1), tenemos:log Xt = log Tt + log St + log Ct + log rt.
(2)• La ecuación (2) muestra que, usando la
transformación logarítmica de los datos, obtenemos una descomposición aditiva de Xt.
• En (2):log St = log (1 + st) ≈ stlog Ct = log (1 + γt) ≈ γtlog rt = log (1 + rt) ≈ rt
![Page 8: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/8.jpg)
LA INTERPRETACIÓN DE LA DESCOMPOSICIÓN DE UNA SERIE TEMPORAL EN TENDENCIA Y OTROS
COMPONENTES
• Durante mucho tiempo, se han interpretado las expresiones (1) ó (2) en el sentido de que– Los factores (imaginarios) tendenciales,
estacionales y cíclicos se podían formular en términos matemáticos de modo que se pudieran cuantificar sin error en cualquier momento t.
• En este contexto, el único término estocástico en la descomposición era rt, que se podía obtener como elemento residual después de comparar Xt y Tt·St·Ct.
![Page 9: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/9.jpg)
• La Figura 21.1 muestra una serie construida que consiste en los tres componentes Tt, Ct y rt como sigue:
– Tt = 100 exp. (0.01 t),– Ct = 1+ 0.03 sin (0.17 t) y
– rt = 1 + ηt, donde ηt viene de una distribución normal con una media nula y una desviación estándar de 0.005.
• En este ejemplo, la duración del ciclo corresponde a 37 unidades de tiempo con una amplitud de ±3.0%, y 95% de las oscilaciones residuales estarán dentro de un rango de ± 1%.
0 20 40 60 80 100
150
200
250Xt
0 20 40 60 80 100
150
200
250Tt
0 20 40 60 80 100
.98
1
1.02
Ct
0 20 40 60 80 100
.99
.995
1
1.005
1.01 Rt
Figura 21.1
![Page 10: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/10.jpg)
EJEMPLO
• Consideremos el índice de precios (Pt) de cierto producto alimentario cuyo pico de demanda tiene lugar en diciembre. Supongamos que:
Pt = Tt ·St ·rty que, en diciembre del año x
PDECx = 124.95TDECx = 122.62SDECx = 1.02rDECx = 0.999
PDECx = 124.95 = 122.62 · 1.02 · 0.999
![Page 11: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/11.jpg)
LAS CONSECUENCIAS DEL ENFOQUE CLÁSICO A LA DESCOMPOSICIÓN DE
LAS SERIES TEMPORALES• Dado que,
– Tt es dado por una formulación matemática, normalmente un polinomio temporal; en el ejemplo anterior
log Tt = lg 100 + 0.01tlog Tt = 4.61 + 0.01t, y
St y Ct son funciones sinusoidales del tiempo; en el ejemplo anterior
log Ct = 1 + 0.03 sin (0.17t),se conocen estos componentes y podemos computar los datos
ajustados, eliminando algunos componentes.Así, EL DATO AJUSTADO POR LA ESTACIONALIDAD, Xt
a, se define como
Xta = Xt / St = Tt · Ct · rt
En el ejemplo del índice de precios alimentariosPa
DECx = 122.5 = 124.95 / [email protected]
![Page 12: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/12.jpg)
LA INTERPRETACIÓN ACTUAL DE LA DESCOMPOSICIÓN DE UNA SERIE TEMPORAL
• Los factores no observados, tales como tendencia, estacionalidad y ciclo, son propiedades de un fenómeno económico que difícilmente se pueden considerar como deterministas.
• La evolución futura de la tendencia (imaginaria) y el comportamiento futuro de los factores estacionales y cíclicos (imaginarios) también son inciertos.
![Page 13: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/13.jpg)
• Hoy: los factores tendenciales, estacionales y cíclicos se consideran FACTORES ESTOCÁSTICOS.
• Así, para descomponer una magnitud estocástica, Xt, en cuatro componentes estocásticos, necesitamos aplicar RESTRICCIONES FUERTES.
![Page 14: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/14.jpg)
LA INTERPRETACIÓN ACTUALDE LA DESCOMPOSICIÓNDE UNA SERIE TEMPORAL
• Con estas restricciones, podemos calcular los componentes estocásticos: tendenciales, estacionales y cíclicos.
• Usando procedimientos como X-11, X-11-ARIMA, SEATS, X-12, etc.– muchas oficinas estadísticas publican:
• datos originales: Xt y• datos ajustados por la estacionalidad:
Xta = Xt / St
![Page 15: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/15.jpg)
• Sobre todo, estos procedimientos no son correctos para las series – de las que hay muchísimas – que muestran oscilaciones cíclicas no lineales.
• Además, no es posible replicar los datos ajustados por la estacionalidad de los datos originales.
• Finalmente, St y Xta son estimaciones que
deberían publicarse con sus correspondientes intervalos de confianza.
EL PROBLEMA está en que estas restricciones ya no son ampliamente aceptadas.
![Page 16: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/16.jpg)
LA INTERPRETACIÓN ACTUAL DE LA DESCOMPOSICIÓN DE UNA SERIE
TEMPORAL• La expresión:
Xt = Tt · St · Ct · rt
puede ser útil para explicitar los tipos de propiedades en la serie temporal Xt:• evolución subyacente con crecimiento sistemático que se perpetúa en
el futuro,• Oscilación cíclica permanente con la periodicidad de un año,• oscilaciones que no se perpetúan en el futuro, y• fluctuaciones a corto plazo,
pero Tt, St, Ct y rt no necesariamente son factores identificables y estimables.
– Todos los factores Tt, St, Ct y rt son estocásticos y sólo pueden estimarse a partir de Xt con la imposición de fuertes restricciones relativas a su naturaleza que pueden resultar inaceptables.
![Page 17: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/17.jpg)
LA DESCOMPOSICIÓN DE SERIES TEMPORALES Y LA CONSTRUCCIÓN DE
MODELOS ECONOMÉTRICOS• Dado que la serie temporal Xt puede incorporar:
– Crecimiento sistemático
– Ciclos estacionales
– Oscilaciones en el ciclo de negocios
– Fluctuaciones a corto plazo
ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción de los valores futuros de Xt.
• Esto se hace sin preocuparnos -porque no es necesario- en calcular estas señales por separado: Tt, St, Ct y rt.
![Page 18: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/18.jpg)
de los valores en la serie temporal.
LA EXTRACCIÓN ESTACIONAL Y LA PREDICCIÓN
• El objetivo de la extracción de señales tales como tendencia, factores estacionales, datos ajustados por la estacionalidad, etc., es el de ayudar a interpretar y evaluar la situación actual del fenómeno económico correspondiente.
• Durante este curso, argumentaremos que se consigue este objetivo mejor mediante la predicción.
• Las predicciones nos permiten:– Estimar el futuro (expectativas,
)ˆtX
tatXtX ˆˆ +=
descompone Xt en las dos señales que más necesitan los agentes económicos.
)ˆ( ta– Estimar el factor de innovación
• Así,
X
![Page 19: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/19.jpg)
LA IMPORTANCIA DE LOS COMPONENTES DE UNA SERIE TEMPORAL PARA LA PREDICCIÓN
• Si la composición de una serie es cómo se muestra en (1), la importancia relativa de los factores en (1) depende principalmente en el horizonte de la predicción.
• Es posible que los componentes tendenciales y cíclicos hayan cambiado muy poco a muy corto plazo, y para ese plazo las predicciones de las fluctuaciones a corto plazo son las más importantes.
• Sin embargo, el componente tendencial suele predominar en las predicciones a largo plazo, siendo los otros componentes de una importancia relativamente menor.
• Todos los componentes pueden ser importantes a medio plazo.
X
![Page 20: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/20.jpg)
LA AGREGACIÓN TEMPORAL
• Las fluctuaciones positivas a corto plazo tenderán a cancelar las negativas, y
DISMINUYE LA IMPORTANCIA DEL VALOR RESIDUAL AGREGADO
• Los ciclos a corto plazo tienden a desaparecer con la agregación.
LOS CICLOS ESTACIONALES DESAPARECEN con la agregación anual
• La tendencia evoluciona sin oscilaciones y no se ven muy afectadas por la agregación temporal. Así,
AUMENTA LA IMPORTANCIA RELATIVA DE LA TENDENCIAcon la agregación temporal.
![Page 21: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/21.jpg)
LA AGREGACIÓN TEMPORAL
• LAS CONSECUENCIAS PARA LA PREDICCIÓN:– Para predicciones a largo plazo podemos
usar datos de baja frecuencia, y la tendencia es el elemento más importante.
– Para predicciones a corto plazonecesitamos datos de alta frecuencia y es importante predecir las fluctuaciones a corto plazo.
X
![Page 22: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/22.jpg)
EJEMPLOS
LAS SERIES TEMPORALES CON CRECIMIENTO SISTEMATICO: CONJUNTO 1
– El índice de precios de consumo mensual de los EE.UU., sin alimentos y energía.
– La producción industrial mensual en los EE.UU. (IPI)
– El PIB trimestral de los EE.UU.
• En el IPI se da una evidente oscilación estacional. En las otras series, las fluctuaciones estacionales son pequeñas en relación a su nivel y no se aprecian en los gráficos.
![Page 23: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/23.jpg)
Índice de Precios de Consumo Mensual en EE.UU., sin alimentos y energía
020406080
100120140160180200
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Período: 1958.01- 2000.01Fuente: BLS
Figura 22.2
![Page 24: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/24.jpg)
No ajustado por estacionalidadPeríodo: 01.1964-08.1999
Fuente: OCDE
Indice trimestral de producción industrial USA
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
Figura 22.3
Indice mensual de producción industrial USA
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1964
1968
1972
1976
1980
1984
1988
1992
1996
![Page 25: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/25.jpg)
Producto interior bruto trimestral real USA
25003000350040004500500055006000650070007500800085009000
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
Período: I-1964 / II-1999Fuente: BEAA precios constantes de 1996, no ajustados por estacionalidad.
Figura 22.4
Variaciones trimestrales en el producto interior bruto USA
-3.00
-2.00
-1.00
0.00
1.00
2.00
3.00
4.00
5.00
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
Período: I-1964 / II-1999Fuente: BEAA precios constantes de 1996, no ajustados por estacionalidad.
![Page 26: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/26.jpg)
Tendencia en una serie agregada
Gross Private Domestic Investment (US)
-2000
200400
600
80010001200
14001600
Gross Private Domestric Investment (US)
Nonresidential fixed investment
Residential fixed investment
Change in private inventories
BILLIONS OF CHAINED (1996) DOLLARSSource:Department of Commerce (BEA)-US
Figure 2.17
![Page 27: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/27.jpg)
Gasto en Consumo Final Interior de los Hogares Españoles.
Gráfico del logaritmo natural
10.8
11.0
11.2
11.4
11.6
80 82 84 86 88 90 92 94 96 98 00 02 04
LNCONS
![Page 28: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/28.jpg)
La naturaleza evolutiva de las variables relevantes en las empresas puede apreciarse en los siguientes gráficos:
1) La producción del sector de automóviles en España.Gráfico 1. INDICES DE PRODUCCIÓN INDUSTRIAL
0
20
40
60
80
100
120
140
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
ÍNDICE DE PRODUCCIÓN INDUSTRIALFabricación de vehículos de motor, remolques y semirremolques
Fuente: INEFecha: Enero de 2010
![Page 29: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/29.jpg)
2) La actividad en el sector turístico medida por el número de turistas extranjeros.
Gráfico 2. ENTRADA DE VISITANTES EN ESPAÑA.
0
2000
4000
6000
8000
10000
12000
14000
1600019
95
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
ENTRADA VIAJEROS TOTAL
Fuente: INEFecha: Enero de 2010
![Page 30: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/30.jpg)
EJEMPLOSSERIE TEMPORAL CON OSCILACIÓN LOCAL DE NIVEL:
CONJUNTO 2– Tasa de cambio diario yen/dólar– Inflación tendencial mensual en EE.UU.
• Las series temporales en el conjunto 2:– al contrario que el conjunto 1, no exhiben crecimiento sistemático– pero tampoco parecen tener un nivel constante.
• Así, las series temporales en el conjunto 2– no tienen atractor de nivel,– la desviación en un momento t de cierto nivel local previo tiende a
persistir en las observaciones siguientes, pero– no provoca el crecimiento sistemático.
• DOS TIPOS DE TENDENCIA:– 1. Crecimiento sistemático: series en el conjunto 1– 2. Oscilaciones locales de nivel: series en el conjunto 2.
![Page 31: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/31.jpg)
Tasa de cambio diaria yen-dólar
60
80
100
120
140
160
180
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Período: 2/01/1990 -25/02/2000Fuente: FRED (Federal Reserve Economic Data)
Figura 22.5
![Page 32: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/32.jpg)
COURSE: ECONOMIC FORECASTING AT CEMEX -
Graphs - espasa@est-econ uc3m es
5
La inflación tendencial en USA
02468
10121416
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Período: 1958.01- 2000.01Fuente: BLS
* La inflación tendencial se ha definido como la tasa de crecimiento del índice de precios al consumo que se obtiene sin incluir los precios de los alimentos y la energía.Aquí estamos usando la tasa de crecimiento interanual para medir la inflación tendencial.
Figura 22.6
![Page 33: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/33.jpg)
3) Los precios relativos del vestido respecto al calzado.Gráfico 3. PRECIOS RELATIVOS DEL VESTIDO RESPECTO AL CALZADO.
0.90
0.95
1.00
1.05
1.10
1.1519
8319
8419
8519
8619
8719
8819
8919
9019
9119
9219
9319
9419
9519
9619
9719
9819
9920
0020
0120
0220
0320
0420
0520
0620
0720
0820
09
PRECIOS RELATIVOS DEL VESTIDO RESPECTO AL CALZADO
Fuente: INEFecha: Enero de 2010
![Page 35: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/35.jpg)
La contabilidad Nacional trimestral (CNTR) esprobablemente la estadística más importante detipo coyuntural que elabora el INE.
Es una estadística de las denominadas desíntesis cuya finalidad es la estimación trimestraldel producto interior bruto (PIB) y de susprincipales componentes.
El marco de la CNTR es el mismo que el de laContabilidad Nacional anual y esta constituido porel Sistema Europeo de cuentas Nacionales(versión de 1995 SEC-95).
X
![Page 36: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/36.jpg)
LA CNTR
• Dado que la CNTR tiene una periodicidad superior a la anual se suelen observar oscilaciones de ciclo anual que se repiten de manera más o menos similar a lo largo del año.
• Estas oscilaciones se asocian a un componente que se denomina estacional y sus efectos sobre las series únicamente están asociados al paso de las distintas estaciones del año.
• Así, se observa un importante decrecimiento de la producción industrial en los meses de verano, un gran incremento de la remuneración de los asalariados en los meses de junio y diciembre, etc.
X
![Page 37: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/37.jpg)
LA CONTABILIDAD TRIMESTRAL DE ESPAÑA SE PUBLICA ENTRES VERSIONES
La de los datos brutos,la de los datos corregidos de estacionalidad y efecto
calendario yla de ciclo-tendencia.
Los datos brutos deberían ser ,en principio, la autentica contabilidadtrimestral y ,por tanto, más representativos del dato real que los otrosdos tipos de datos que se obtienen omitiendo algún componente de laserie temporal..No obstante, los crecimientos de datos brutos, tanto trimestrales comointeranuales, muestran una elevada erraticidad, lo que comporta uncoste informativo alto para los agentes.
Tal erraticidad se debe a que los datos de la CNTR se obtienenmediante cierta manipulación econométrica en la que se estiman mallas oscilaciones de corto plazo de las series temporales.
X
![Page 38: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/38.jpg)
VERSIONES DE LA CNTR• Los datos de ciclo-tendencia son los que muestran una menor
variabilidad, inducida por los procedimientos de filtrado utilizadospara su obtención, sin embargo, no permiten distinguir losmovimientos a corto plazo.
• Los datos corregidos de estacionalidad y efectos de calendariorepresentan una posición intermedia entre los dos anteriores y sonprobablemente los más adecuados para el seguimiento y análisisde la coyuntura;
• actualmente existe un cierto consenso entre los analistas sobrela mayor idoneidad de estos datos para el análisis económico y porello la versión de los datos corregidos de la CNTR es la másutilizada en la práctica.
X
![Page 39: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/39.jpg)
Se sugiere al alumno que obtenga del banco dedatos INE la serie del PIBpm y alguno de suscomponentes de las tres versiones de datos de laCNTR para un determinado periodo de tiempo,calcule sus tasas intertrimestrales e interanuales yrepresente en un grafico para cada serie las tasasintertrimestrales de las tres versiones y en otro lastasas interanuales.De esa forma podrá comprobar la mayor erraticidadde los datos brutos, el mayor suavizado de los datosde ciclo-tendencia y la posición intermedia de losdatos corregidos de estacionalidad.
X
![Page 40: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/40.jpg)
1.4 TENDENCIA Y ESTACIONALIDAD EN SERIES
TEMPORALES.TRANSFORMACIONES
ESTACIONARIAS.
![Page 42: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/42.jpg)
EN LA EVOLUTIVIDAD EN EL NIVEL (TENDENCIA Y ESTACIONALIDAD) MEDIANTE ESQUEMAS
ESPECÍFICOS, DETERMINISTAS O ESTOCÁSTICOS.
EL MODELO DE TENDENCIA LINEAL Y ESTACIONALIDAD DETERMINISTA.
EJEMPLOS DE TENDENCIA Y ESTACIONALIDAD DETERMINISTAS ESTIMADAS PARA SERIES
TEMPORALES REALES;
LA DESVIACIÓN SOBRE LA TENDENCIA Y LA ESTACIONALIDAD.
![Page 44: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/44.jpg)
MODELIZACIÓN DE TENDENCIASMODELIZACIÓN DE TENDENCIAS
• EN Xt = Tt + wt (1)– SE NECESITA ESPECIFICAR UN MODELO PARA LA
TENDENCIA Tt
– EN (1) wt ES UN COMPONENTE ESTOCÁSTICO (INCIERTO)Y, POR TANTO, INDEPENDIENTEMENTE DE LANATURALEZA DE LA TENDENCIA, Xt ES ESTOCÁSTICO. LATENDENCIA PUEDE SER DETERMINÍSTICA.
• TENDENCIAS DETERMINÍSTICAS.– SE DICE QUE UNA TENDENCIA ES DETERMINISTA SI
CONOCIENDO SUS VALORES PASADOS SE PUEDEDETERMINAR SIN ERROR SUS VALORES FUTUROS.
– CON TENDENCIAS DETERMINISTAS NO HAYINCERTIDUMBRE SOBRE ELLAS. TODA LA INCERTIDUMBRESOBRE Xt ESTÁ EN wt.
![Page 45: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/45.jpg)
MODELOS PARA LAS TENDENCIAS (I)MODELOS PARA LAS TENDENCIAS (I)
¬ TENDENCIA LINEAL:Tt = a +bt,
(4)– DONDE a Y b SON PARÁMETROS FIJOS.
ALTERNATIVAMENTE LA TENDENCIA SE PUEDEREPRESENTAR COMO
Tt = a+b TIEMPOt, (5)– DONDE TIEMPO ES UNA VARIABLE ARTIFICIAL
QUE EN CADA MOMENTO t TOMA EL VALOR t.
EL MODELO PARA Xt ES:Xt = a + bt +wt. (6)
![Page 46: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/46.jpg)
COMENTARIOS SOBRE LA TENDENCIA COMENTARIOS SOBRE LA TENDENCIA LINEALLINEAL
• COMO SE DERIVA DE (6) LOSPARÁMETROS a Y b VIENEN EXPRESADOSEN LA MISMA UNIDAD DE MEDIDA QUE Xt.EL PARÁMETRO a ES EL VALOR DE LATENDENCIA EN EL MOMENTO ANTERIOR ALCOMIENZO DE LA MUESTRA.
• EL PARÁMETRO b EL INCREMENTOLINEAL O ADICIONAL RESPECTO ALTIEMPO QUE VA EXPERIMENTANDO LATENDENCIA EN CADA MOMENTO.
![Page 47: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/47.jpg)
• EN GENERAL LAS TENDENCIAS SONCRECIENTES EN CUYO CASO EL PARÁMETROb ES POSITIVO.ALGUNAS SERIES PUEDEN MOSTRARTENDENCIAS NEGATIVAS COMO LA TASA DEPARTICIPACIÓN DE LOS HOMBRES EN ELEMPLEO O LA CUOTA DE MERCADO DE UNAEMPRESA PIONERA EN SU CAMPO, QUE SE IRÁREDUCIENDO A MEDIDA QUE OTRASEMPRESAS DECIDEN ENTRAR EN ESE NEGOCIO.SI LA TENDENCIA ES NEGATIVA b TOMA UNVALOR NEGATIVO.
![Page 48: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/48.jpg)
– SI Xt ES UNA TASA EN TANTO POR CIEN,POR EJEMPLO LA CUOTA DE MERCADO DEUNA EMPRESA, LA TASA DE PARTICIPACIÓNDE LAS MUJERES EN EL EMPLEO EN UNAECONOMÍA NACIONAL, ETC. UN VALOR DEb=0.1 EN UNA SERIE TRIMESTRAL, [Xt],SIGNIFICA QUE LA TENDENCIA DE DICHATASA VA CRECIENDO 0.1 PUNTOSPORCENTUALES CADA TRIMESTRE.
![Page 49: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/49.jpg)
– SI Xt SON VENTAS MENSUALESEXPRESADAS EN MILLONES DEPESETAS Y (6) ES UN MODELOADECUADO PARA DICHA SERIE,b=10 SIGNIFICA QUE LATENDENCIA DE DICHASVENTAS SE INCREMENTA EN 10MILLONES CADA MES.
![Page 50: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/50.jpg)
EXAMPLES OF ESTIMATED LINEAR TRENDS
• A linear trend model for consumption of cement in Spain
200000
300000
400000
500000
600000
8801 9001 9201 9401 9601 9801 0001
Original data Linear Trend
Yt = 272465.60 + 2792.11 t + wt
![Page 51: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/51.jpg)
C. TENDENCIAS EXPONENCIALESC. TENDENCIAS EXPONENCIALES• SE TRATA DE UN TIPO DE TENDENCIA NO
LINEAL QUE RESULTA MUY ÚTIL PARASERIES ECONÓMICAS.
• PARA INTRODUCIR ESTAS TENDENCIASRECUÉRDESE LA PROPIEDAD DEPROPORCIONALIDAD QUE MUESTRANLAS SERIES ECONÓMICAS Y QUE FUEMENCIONADA AL HABLAR DE LADESCOMPOSICIÓN TRADICIONAL DE UNASERIE TEMPORAL.
• ESTA PROPIEDAD IMPLICA QUE LAEVOLUCIÓN DE LA SERIE A PARTIR DE UNDETERMINADO NIVEL INICIAL ESPROPORCIONAL AL NIVEL DE PARTIDA.
X
![Page 52: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/52.jpg)
• LA TENDENCIA LINEAL ANTERIOR SEPUEDE EXPRESAR COMOTt = Tt-1 + b (11)
• EN (11) SE OBSERVA QUE A PARTIRDE UN NIVEL INICIAL (tT-1) LATENDENCIA (Y EN CONSECUENCIA Xt)EVOLUCIONA DE FORMA ADITIVA,INCORPORANDO EN CADA MOMENTOUN CRECIMIENTO b. ES DECIR, NOHAY PROPORCIONALIDAD EN LAEVOLUCIÓN DE LA TENDENCIALINEAL.
![Page 53: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/53.jpg)
PROPORCIONALIDAD EN LAS TENDENCIAS PROPORCIONALIDAD EN LAS TENDENCIAS EXPONENCIALESEXPONENCIALES
• UN ESQUEMA PROPORCIONAL SEOBTIENE CON LA EXPRESIÓN:Tt = Tt-1 (1 + b), (12)DONDE b AHORA ES LA TASA DECRECIMIENTO DE LA TENDENCIA EN TANTOPOR UNO. ASÍ,b= (Tt – Tt-1) / Tt-1 . (13)
• LAS FORMULACIONES EN TASAS COMO (12)O (13) SON MÁS COMPLEJAS DE MANEJARQUE SU CORRESPONDIENTE APROXIMACIÓNLOGA-RÍTMICA.
![Page 54: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/54.jpg)
• LA APROXIMACIÓN LOGARÍTMICA DE UNATASA b COMO (13) ES FÁCIL DE OBTENER. APARTIR DE LA APROXIMACIÓN DE TAYLOR DEPRIMER ORDEN DE UNA FUNCIÓN f(Zt):f(Zt) ≈ f (Zt-1) + (Zt – Zt) f’ (Zt-1) (14)
• SE TIENE QUE PARA f (Zt) = log Tt
log Tt ≈ log Tt-1 + (Tt –Tt-1) 1/Tt-1(15)
• ES DECIRlog Tt – log Tt-1 = ∆ log Tt = (Tt – Tt-1) / Tt-1.
(16)ESTA APROXIMACIÓN ES BANTANTE BUENA PARAVALORES PEQUEÑOS DE LA TASA.
![Page 55: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/55.jpg)
TENDENCIA EXPONENCIAL O LOGTENDENCIA EXPONENCIAL O LOG--LINEALLINEAL
• SUSTITUYENDO EN (13) LA TASA POR SU APROXIMACIÓNLOGARÍTMICA SE TIENE QUEb= log Tt – log Tt-1, (17)DE DONDElog Tt = log Tt-1 + b (18)
• PROCEDIENDO RECURSIVAMENTElog Tt = a + bt, (19)
• DONDE a ES EL LOGARITMO DE LA TENDENCIA EN ELMOMENTO ZERO.
• DE (19) SE TIENE QUE LA TENDENCIA TOMA LA EXPRESIÓNTt = exp (a + bt) (20)
• A TAL TENDENCIA POR RAZONES OBVIAS SE LE DENOMINAEXPONENCIAL.
![Page 56: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/56.jpg)
SERIES CON TENDENCIA EXPONENCIALSERIES CON TENDENCIA EXPONENCIAL
• UNA SERIE CON TENDENCIA EXPONENCIAL VENDRÁDADA POR EL MODELOXt = exp (a + bt) exp (wt) (21)
• LA TENDENCIA Y EL MODELO (20) PARA Xt SON NOLINEALES, PERO UNA SIMPLE TRANSFORMACIÓN –LALOGARÍTMICA- LOS CONVIERTE EN LINEALES. ASÍ,log Xt = a + bt + wt. (22)
• ASÍ, UN MODELO CON TENDENCIA EXPONENCIAL (21)PUEDE VERSE TAMBIÉN SEGÚN (22) COMO UNMODELO CON TENDENCIA LOG-LINEAL, ES DECIR,CON TENDENCIA LINEAL EN LA TRANSFORMACIÓNLOGARÍTMICA DE LOS DATOS.
![Page 57: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/57.jpg)
• log Xt = a + bt + wt. (22)
EN (21) O (22) b ES UN FACTOR INCREMENTAL QUESE INCORPORA EN CADA MOMENTO DE FORMAMULTIPLICATIVA.
• AHORA LAS UNIDADES DE b NO SON LAS DE Xt.
• EL PARÁMETRO b ES (APROXIMADAMENTE) UNA TASADE CRECIMIENTO EN TANTO POR UNO.
![Page 58: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/58.jpg)
EXAMPLE OF ESTIMATED EXPONENTIAL TREND
• A linear trend model for consumption of cement in Spain
200000
300000
400000
500000
600000
8801 9001 9201 9401 9601 9801 0001
Original data Exponential trend
Log(Yt) = 12.54 + 0.0077 t + wt
![Page 59: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/59.jpg)
SERIE CON TENDENCIA Y ESTACIONALIDAD A LA QUE SOLO SE LE
HA ELIMINADO LA TENDENCIA
-.6
-.4
-.2
.0
.2
3.6
4.0
4.4
4.8
1975 1980 1985 1990 1995 2000 2005
Residual Actual Fitted
![Page 60: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/60.jpg)
• ASÍ, SI PARA UN DETERMINADO AGREGADO MONETARIOMENSUAL SE OBTIENE EL SIGUIENTE MODELOlog Xt = a + 0,006t + wt,SIGNIFICA QUE LA TENDENCIA CRECE MENSUALMENTE EL0,6%, LO QUE SUPONE UN 8% ANUAL.
• CONCLUSIÓN:– MODELOS DE TENDENCIA DETERMINÍSTICA RAZONABLES
PARA MUCHAS SERIES ECONÓMICAS SON:• LA TENDENCIA EXPONENCIAL SI LA SERIE EVOLUCIONA CON
LA PROPIEDAD DE PROPORCIONALIDAD.• LA TENDENCIA LINEAL, EN CASO CONTRARIO.
EN DETERMINADAS SERIES CON LÍMITE EN ELCRECIMIENTO ESTOS MODELOS SON CLARAMENTEINAPROPIADOS.
![Page 61: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/61.jpg)
SIMILITUDES ENTRE LA TENDENCIA LINEAL Y LA SIMILITUDES ENTRE LA TENDENCIA LINEAL Y LA EXPONENCIALEXPONENCIAL
1 AMBAS TIENEN UNA FORMULACIÓN O SEPUEDE REFORMULAR DE MODO LINEAL, CONLO QUE LA TENDENCIA EN TALES CASOS EPUEDE VER COMPUESTA DE DOSELEMENTOS:
TENDENCIA (1) NIVEL INICIAL(2) INCREMENTO
2 AMBOS COMPONENTES SE DEFINEN SOBREPARÁMETROS FIJOS:– NIVEL INICIAL: PARÁMETRO a– INCREMENTO: PARÁMETRO b
X
![Page 62: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/62.jpg)
3 COMO CONSECUENCIA DE LO ANTERIOR ESTASTENDENCIAS PUEDEN DENOMINARSE DE NIVEL 2, YDENOTARLAS COMO T(2).
3 –NO CONFUNDIR CON EL ORDEN POLINOMIAL QUECLARAMENTE ES UNO-
• EN ESTA TERMINOLOGÍA LA TENDENCIA PARABÓLICATt = a + bt + ct2 (8)ES DE NIVEL TRES, T(3). EN EFECTO, (8) SE PUEDEEXPRESAR COMO:Tt = Tt-1 + ∆Tt-1 +∆ ∆Tt-1, DONDE
Tt-1 = a + b (t-1) + c (t-1)2: NIVEL∆Tt-1 = b + c (2t-3): INCREMENTO∆ ∆Tt = 2c: ACELERACIÓN.
• EN LAS TENDENCIAS DE ESTRUCTURA LINEAL LAACELERACIÓN ES CERO.
![Page 64: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/64.jpg)
TENDENCIAS EN SERIES TEMPORALES TENDENCIAS EN SERIES TEMPORALES ECONÓMICASECONÓMICAS
• SI UNA SERIE TEMPORAL VA AUMENTANDO (ODISMINUYENDO) SISTEMÁTICAMENTE SE DICEQUE TIENE TENDENCIA.
• PRINCIPALES FACTORES QUE CAUSAN LASTENDENCIAS:– 1. AUMENTOS EN LA POBLACIÓN.– 2. INFLACIÓN MANTENIDA EN EL TIEMPO.– 3. CAMBIOS TECNOLÓGICOS
(COMUNICACIONES, ELECTRÓNICA,INFORMÁTICA, ETC.
– 4. CAMBIOS LENTOS EN LAS PREFERENCIAS,HÁBITOS, REGULACIONES SOCIALES,COSTUMBRES, ETC.
![Page 65: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/65.jpg)
Figure 2.10
M onthly Consumer Price Index in US, exc luding food and energy pric es (X7t)
0
40
80
120
160
200
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Pe riod: 1958.01- 2000.01S ource: BLS
![Page 66: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/66.jpg)
Figure 2.13
Real Consumers' expenditure on non-durables and se rvices(1) and real personal disposable income(2) in U.K.
(logarithmic transformation-quaterly data)
4.55
4.6
4.65
4.7
4.75
4.8
4.85
4.9
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
Period 1980(I)- 1999(IV)Source: Off ice for National Statistics UK
(2)
(1)
![Page 67: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/67.jpg)
Series Anuales
Producto Nacional Bruto en España(Millones de euros)
2000
3000
4000
5000
6000
7000
8000
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
![Page 68: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/68.jpg)
Series Anuales
Indice de Precios al Consumo en España
0
20
40
60
80
100
120
1948
1953
1958
1963
1968
1973
1978
1983
1988
1993
1998
2003
![Page 69: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/69.jpg)
TENDENCIAS EN SERIES TEMPORALES TENDENCIAS EN SERIES TEMPORALES ECONÓMICASECONÓMICAS
• SI UNA SERIE TEMPORAL VA AUMENTANDO (ODISMINUYENDO) SISTEMÁTICAMENTE SE DICEQUE TIENE TENDENCIA.
• PRINCIPALES FACTORES QUE CAUSAN LASTENDENCIAS:– 1. AUMENTOS EN LA POBLACIÓN.– 2. INFLACIÓN MANTENIDA EN EL TIEMPO.– 3. CAMBIOS TECNOLÓGICOS
(COMUNICACIONES, ELECTRÓNICA,INFORMÁTICA, ETC.
– 4. CAMBIOS LENTOS EN LAS PREFERENCIAS,HÁBITOS, REGULACIONES SOCIALES,COSTUMBRES, ETC.
![Page 70: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/70.jpg)
TENDENCIAS EN SERIES TEMPORALES TENDENCIAS EN SERIES TEMPORALES ECONÓMICASECONÓMICAS
• TENDENCIAS DETERMINADASEXCLUSIVAMENTE POR (1) Y (2)– DETERMINADAS POR (1)
• EN TAL CASO SE PUEDEN EXPRESAR LOS DATOS ENTÉRMINOS RELATIVOS A LA CORRESPONDIENTEPOBLACIÓN: TASA DE PARO, RENTA NACIONAL PERCÁPITA, ETC.
– DETERMINADAS POR (2)• EN TAL CASO SE PUEDEN EXPRESAR LOS DATOS EN
TÉRMINOS REALES, ES DECIR, EN TÉRMINOS DEPRECIOS CONSTANTES: INGRESOS TURÍSTICOS ENTÉRMINOS REALES, ÍNDICE DE PRODUCCIÓNINDUSTRIAL, ETC.
![Page 71: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/71.jpg)
GENERALMENTE LAS TENDENCIAS VIENEN CAUSADAS POR OTROS FACTORES ADEMÁS DE (1) Y (2).
• ASÍ,– DEBIDO A (3) VARIABLES PER CÁPITA EN
TÉRMINOS REALES TODAVÍA MUESTRANTENDENCIA, PIB, PRODUCCIÓNINDUSTRIAL, ETC.
– DEBIDO A (4) VARIABLE COMO EMPLEOFEMENINO, ESTUDIANTES GRADUADOS,ETC.
![Page 73: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/73.jpg)
CARACTERÍSTICAS DE LA TENDENCIA
• características con las que las tendencias aparecen en las series temporales:
• (1) evolución suave, • (2) Pero de naturaleza estocástica• (3)con rupturas de tanto en tanto de su
estructura
![Page 74: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/74.jpg)
SUAVIDAD EN LAS TENDENCIAS
a) La primera propiedad favorece que en un primer pasose puedan emplear estructuras determinísticas paraaproximar la tendencia.
b) Esto es más factible en series macroeconómicas deeconomías desarrolladas como el consumo privado enla economía de Estados Unidos.
c) Dado (3) las tendencias tendrán en la mayor parte delos casos – siempre que las series seansuficientemente largas – segmentaciones.
d) Las rupturas de nivel con frecuencia puedeninterpretarse como cambios estructurales y suocurrencia en las series económicas será considera alo largo de todo el curso.
![Page 75: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/75.jpg)
Series AnualesGasto en Consumo de los Hogares en EE.UU.
(Millones de dólares)
0
1000000
2000000
3000000
4000000
5000000
6000000
7000000
8000000
900000019
48
1953
1958
1963
1968
1973
1978
1983
1988
1993
1998
2003
![Page 76: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/76.jpg)
MODELIZACIÓN DE TENDENCIAS DETERMINISTAS
• A continuación se hace una valoración crítica de su utilidad y limitaciones en el análisis económico.
![Page 78: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/78.jpg)
TENDENCIA DETERMINISTICA
• Los modelos tendenciales descritos son fáciles de construir y manejar.
• Simplemente hay que formular el polinomio P(t)=a + b.t y con eso,si la hipótesis de tendencia determinista empleada es correcta ,la serie de desviaciones respecto a la misma sigue un modelo estacionario.
• Durante mucho tiempo este procedimiento ha sido aplicado intensamente. Véase, por ejemplo, algunas de las citas mencionadas en el artículo de Nelson y Plosser (1982).
![Page 79: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/79.jpg)
CRÍTICAS A LAS TENDENCIAS DETERMINISTAS
• Nelson y Ploser fueron muy críticos sobre los modelos de tendencia determinista y mostraron evidencia empírica en su contra utilizando 14 series macroeconómicas referidas a la economia estadounidense.
• Efectivamente, el procedimiento de aproximación tendencial mediante polinomios temporales tiene inconvenientes que hacen que, en general, sea poco recomedable para el caso de fenómenos económicos.
![Page 80: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/80.jpg)
INACEPTABILIDAD DE LA INMUTABILIDAD DE LA TENDENCIA
• En particular, considerar este tipo de tendencia determinista es equivalente a asumir que existe un patrón inmutable de comportamiento a largo plazo, P(t), al cual la serie siempre retorna.
• Es decir, la tendencia determinística es un factor de atracción en cualquier momento pasado, presente y futuro.
![Page 81: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/81.jpg)
Valoración del uso de tendencias determinisras en el pasado
• La utilización de estas tendencias en el análisis macroeconómico, mucho más intensamente antes del trabajo de Nelson y Plosser (1982) que ahora, se puede entender de la siguiente forma.
![Page 82: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/82.jpg)
RESTRICCIÓN EXISTENTE EN LAS TENDENCIAS ECONÓMICAS• La experiencia sobre las tendencias económicas
indica que su evolución temporal está bastante restringida y
• ante alternativas de formulaciones tendenciales -algunas de ellas se estudian más adelante- que se consideraban excesivamente laxas,
• diferentes autores preferían la formulación determinística polinomial, que derivaba en tendencias suaves, aunque en sí misma no fuera plenamente convincente,principalmente en su proyección futura.
![Page 83: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/83.jpg)
UTILIDAD RELATIVA DE LAS TENDENCIAS DETERMINISTAS
• En general, se puede decir que una tendencia determinista puede ser útil para explicar el pasado en una serie temporal corta, pero su extrapolación hacia el futuro puede resultar peligrosa.
![Page 84: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/84.jpg)
ALTERNATIVAS A LAS TENDENCIAS DETERMINISTAS
• La motivación teórica que subyace, tal como se ha señalado, en el empleo de tendencias polinomiales por distintos autores y la experiencia existente sobre su uso indican que hipótesis algo más complejas sobre las tendencias económicas son posibles y deseables.
![Page 85: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/85.jpg)
PROPIEDAD EMPÍRICA EN MUCHAS TENDENCIAS ECONÓMICAS
• Así, con frecuencia, es admisible considerar que la situación de crecimiento suave observada en las series económicas supone tasas de variación constantes durante períodos largos de tiempo, con intervalos de transición cortos entre ellos.
![Page 86: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/86.jpg)
TENDENCIAS DE NIVEL T(1) O SIN CRECIMIENTO TENDENCIAS DE NIVEL T(1) O SIN CRECIMIENTO SISTEMÁTICOSISTEMÁTICO
• UNA SERIE DEL TIPOXt = a(t) + wt, (23)
• ES UNA SERIE SIN CRECIMIENTO. IGNORANDO ELCOMPONENTE DE DESVIACIONES wt, QUE TIENEMEDIA CERO, ESTA SERIE SÓLO VIENECARACTERIZADA POR UN COMPONENTE DE NIVELa(t). EN TAL SENTIDO, SEGÚN LA TERMINOLOGÍAANTERIOR, SE PUEDE DECIR QUE Xt DEFINIDA EN(23) TIENE UNA TENDENCIA DE NIVEL T(1).
• NO OBSTANTE, SI a(t) ES CONSTANTE LAS SERIESDEL TIPO (23 NO TIENEN TENDENCIA ALGUNA.
![Page 87: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/87.jpg)
• EL CONCEPTO DE SERIES CON TENDENCIA NACIÓ ENCONTRAPOSICIÓN AL DE MUESTRAS ALEATORIAS. EN (23) SI wt ESUN COMPONENTE ALEATORIO, [Xt] ES UNA MUESTRA ALEATORIA.
• EN GENERAL, wt NO SERÁ ALEATORIA, SINO QUE TENDRÁDEPENDENCIA RESPECTO A SU PROPIO PASADO Y, ENCONSECUENCIA, Xt NO SERÁ UNA MUESTRA ALEATORIA.
• NO OBSTANTE, EN LOS CASOS EN QUE LA DEPENDENCIA TEMPORALDE wt RESPECTO A SU PASADO SEA DÉBIL LA EVOLUCIÓN DE Xt SERÁMUY SIMILAR A LA DE UNA SERIE ALEATORIA
• .• EN CONCLUSIÓN, DE LAS SERIES REPRESENTADAS POR (23) SE
DICE QUE NO TIENEN TENDENCIA.
Xt = a + wt, (23)
X
![Page 88: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/88.jpg)
TENDENCIAS DE NIVEL T(2). RESUMENTENDENCIAS DE NIVEL T(2). RESUMEN• TENDENCIAS T (2) . TENDENCIA = COMPONENTE DE NIVEL E INCREMENTO• MODELO PARA Xt: Xt = TENDENCIA (TT) Y DESVIACIONES SOBRE LA
TENDENCIA (wt)
MODELO PARA Tt MODELO PARA Xt CARACTERÍSTICAS ESPECÍFICAS CARACTERÍSTICAS COMUNES
TENDENCIA LINEAL TENDENCIA EXPONENCIAL Tt = a + bt Xt = a + bt + wt 1. LA TENDENCIA ES LINEAL 2. EL INCREMENTO
TENDENCIAL SE INCORPORA DE FORMA ADITIVA Y TIENE UNIDADES DE Xt
∆Tt = Tt – Tt-1 = b Tt = Tt-1 + b
Tt = exp (a + bt) Xt = exp (a + bt) . exp (wt) 1. LA TENDENCIA ES LINEAL EN log Xt Log Xt = a + bt + wt 2. EL INCREMENTO TENDEN-CIAL SE
INCORPORA DE FORMA MULTIPLICATIVA Y ES UNA TASA DE CRECIMIENTO EN TANTO POR UNO.
∆logTt = logTt – logTt-1 = b ∆logTt ≈(Tt – Tt-1) (Tt-1 ≈ b Tt ≈ Tt-1 (1+b)
3. LOS PARÁMETROS QUE DEFINEN LA TENDENCIA SON FIJOS. 4. LAS PERTURBACIONES QUE CONFORMAN wt AFECTAN A Xt PERO NO
TIENEN INFLUENCIA ALGUNA SOBRE LA TENDENCIA.
![Page 89: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/89.jpg)
ALTERNATIVAS A LAS TENDENCIAS DETERMINISTAS
• La motivación teórica que subyace, tal como se ha señalado, en el empleo de tendencias polinomiales por distintos autores y la experiencia existente sobre su uso indican que hipótesis algo más complejas sobre las tendencias económicas son posibles y deseables.
![Page 90: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/90.jpg)
PROPIEDAD EMPÍRICA EN MUCHAS TENDENCIAS ECONÓMICAS
• Así, con frecuencia, es admisible considerar que la situación de crecimiento suave observada en las series económicas supone tasas de variación constantes durante períodos largos de tiempo, con intervalos de transición cortos entre ellos.
![Page 91: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/91.jpg)
TENDENCIAS SEGMENTADAS O POR TRAMOS
• En lo sucesivo, si no se advierte lo contrario, se supondrá que la transición de un período a otro es inmediata. Esta hipótesis se puede recoger mediante una tendencia polinomial lineal por tramos de tiempo.
![Page 92: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/92.jpg)
El modelo estacionario de tendencia determinista
El modelo tendencial con componente estacionario rompe con la hipótesis de estacionariedad porque en él la esperanza matemáticaE(Xt) = P(t) = a + b.t
cambia en el tiempo según P(t) . Esta esperanza matemática es
constante cuando b=0 y en tal caso se tiene un modelo estacionario.
![Page 93: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/93.jpg)
EL MODELO TENDENCIAL CON COMPONENTE ESTACIONARIO
• Así pues, el modelo tendencial con componente estacionario se define con b distinito de cero .
• En tal caso su esperanza matemática no sólo no es constante, sino que crece (o decrece) sistemáticamente.
• En consecuencia, el modelo tendencial con componente estacionario no es válido para representar series no estacionarias con meras oscilaciones locales de nivel.
![Page 94: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/94.jpg)
••SERIES CON SERIES CON OSCILACIONES OSCILACIONES LOCALES DE NIVELLOCALES DE NIVEL
![Page 95: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/95.jpg)
3) Los precios relativos del vestido respecto al calzado.Gráfico 3. PRECIOS RELATIVOS DEL VESTIDO RESPECTO AL
CALZADO.
PRECIOS RELATIVOS DEL VESTIDO RESPECTO AL CALZADO
0.95
0.97
0.99
1.01
1.03
1.05
1.07
1.09
1.11
1.13
1.15
7
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
Fuente: INE Fecha: 15 de enero de [email protected]
![Page 96: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/96.jpg)
5). Los tipos de interés europeos a 3 meses y 5 años.Gráfico 5. EURIBOR A 3 MESES Y EURO YIELD 5 AÑOS.
EURIBOR A 3 MESES Y EURO YIELD 5 AÑOS
1
1.5
2
2.5
3
3.54
4.5
5
5.5
6
1999 2000 2001 2002 2003
Euribor 3 meses (Media mensual)
Euro yield - 5 years maturity - Monthly average - NSAFuente: Banco de España Fecha: 6 de febrero de 2004
![Page 97: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/97.jpg)
U.S. Core Inflation (X3t)(monthly)
02468
10121416
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Period: 1958.01- 2000.01 Source: BLS * Monthly core inflation has been defined as the rate of growth of a consumer price index obtained byexcluding from the global consumer price index the prices corresponding to food and energy. Here we use the year-on-year rate of growth to measure core inflation.
Figure 2.6
![Page 98: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/98.jpg)
, (t)r X tt η+=
Si en este modelo r(t) es una constante inicial –b0-que cambia de valor en k momentos posteriores , es un modelo válido para series con oscilaciones locales de nivel.
![Page 99: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/99.jpg)
• En el modelo (6.2.13) para k=0 la esperanza matemática de Xt viene dada por
• E(Xt) = r(t) = b0
• Esta esperanza matemática ha dejado de ser una constante (b0), pues cambia sumando factores b0j en cada nudo tj.
• En consecuencia, las series generadas por (6.2.13) con k=0 tendrán medias distintas por tramos, pero sin tendencia sistemática a crecer o decrecer.
• Este modelo es por tanto capaz de explicar series con oscilaciones locales de nivel y se le puede denominar "modelo de medias segmentadas".
![Page 100: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/100.jpg)
SERIES CON OSCILACIONES LOCALES DE NIVELSERIES CON OSCILACIONES LOCALES DE NIVEL
• ESTAS SERIES NO MUESTRAN CRECIMIENTO, PEROTAMPOCO VIENEN GENERADAS POR EL MODELO (23),YA QUE NO TIENEN UNA MEDIA CONSTANTE COMO a.
• EN ESTAS SERIES LA MEDIA CAMBIA EN EL TIEMPO YPODRÍA PENSARSE EN APROXIMARLA PORSEGMENTOS TEMPORALES.
• ES DECIR, PARA UN PERÍODO INICIAL LA SERIEPODRÍA REPRESENTARSE CON UNA MEDIA LOCAL a1,EN UN PERÍODO POSTERIOR MEDIANTE UNA MEDIALOCAL a2 Y ASÍ SUCESIVAMENTE HASTA UN PERÍODOMUESTRAL FINAL k CON UNA MEDIA LOCAL ak.
• ESTO NOS LLEVA AL TRATAMIENTO DETENDENCIAS SEGMENTADAS.
![Page 102: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/102.jpg)
Producto Interior Bruto en la Euro área(Millones de euros)
1200000
1250000
1300000
1350000
1400000
1450000
1500000
1550000
1600000
165000019
91-0
1
1992
-01
1993
-01
1994
-01
1995
-01
1996
-01
1997
-01
1998
-01
1999
-01
2000
-01
2001
-01
2002
-01
2003
-01
2004
-1
![Page 103: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/103.jpg)
a). ¿Los planes “Renove” afectan a la tendencia de la producción o solamente a sus oscilaciones de corto plazo?
Y si lo último es lo cierto, ¿generan una ganancia neta o no?
0
20
40
60
80
100
120
140
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
ÍNDICE DE PRODUCCIÓN INDUSTRIALFabricación de vehículos de motor, remolques y semirremolques
Fuente: INEFecha: Enero de 2010
![Page 104: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/104.jpg)
c). ¿La tendencia del número de turistas se explica adecuadamente en función de un indicador de renta y un vector de precios relativos?
0
2000
4000
6000
8000
10000
12000
14000
1600019
95
1996
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
ENTRADA VIAJEROS TOTAL
Fuente: INEFecha: Enero de 2010
![Page 105: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/105.jpg)
EL CRECIMIENTO SISTEMÁTICO CON ESTACIONALIDAD
• Un modelo que capta el crecimiento sistemático con estacionalidad podría ser:
• Donde Sjt =1 en todas las observaciones referidas a la estación j de cada año
0.• En (13)
• El crecimiento medio en cada estación.*jj bbb +=
∑ = bbs j/1
• El factor estacional: b*j
• En (13) los factores estacionales son deterministas.
,1
*tjt
sj
jjt WSbtbaX ++⋅+= ∑
=
=(13)
01
* =∑=
=
sj
jjb (14)
∑≠
−=gj
jh bb **(15)
![Page 106: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/106.jpg)
DISEÑOS ALTERNATIVOS DE LAS VARIABLES ARTIFICIALES EXPLICATIVAS
DE LA ESTACIONALIDAD
• DISEÑARLAS PARA QUE EL COEFICIENTE DE ESTACIONALIDAD DEL ULTIMO PERIODO DEL AÑO NATURAL SE OBTENGA A PARTIR DE LOS DEMAS.
![Page 107: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/107.jpg)
SERIE CON TENDENCIA Y ESTACIONALIDAD A LA QUE SE LE HA ESTIMADO ESQUEMAS DETERMINISTAS EN AMBOS CASOS
-.2
-.1
.0
.1
.2
3.6
4.0
4.4
4.8
1975 1980 1985 1990 1995 2000 2005
Residual Actual Fitted
![Page 109: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/109.jpg)
Gráfico del turismo
Turismo en España
0
20000004000000
60000008000000
10000000
1200000014000000
16000000
ene-
95
ene-
96
ene-
97
ene-
98
ene-
99
ene-
00
ene-
01
ene-
02
ene-
03
ene-
04
ene-
05
ene-
06
ene-
07
ene-
08
Serie1
![Page 121: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/121.jpg)
Summary 2.9 a MODELS FOR DATA WITH DETERMINISTIC SEASONALITY.
• Economic data can have cyclical evolutivity with one-year period. This is denoted as seasonality.
Seasonality is only present in time series with more than one observation per year. • At a first approximation seasonality can be considered as deterministic. Dealing with time series the number of seasons, s, corresponds to the number of
observations per year. • If data also has a deterministic trend the presence of seasonality implies that a
observation corresponding to season j of a particular year deviates from the trend not only by the stochastic element wt but also by a fixed magnitude, say aj
*, which is the same for all years.
• Since seasonality is a cyclical phenomenon
∑=
=s
jja
1
* 0 . (2.45)
• A model with a linear trend and deterministic seasonality has the following formulation
x t = a + bt + ∑=
s
jja
1
*
Sjt + wt, (2.44)
where Sjt are dummy variables with value one if observation t corresponds to season j and zero otherwise. • Seasonal factors
∑
=
s
jja
1
*
Sjt.
can also be present with any type of trend and even in data with no trend at all.
![Page 122: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/122.jpg)
Summary 2.9.b CALENDAR EFFECTS When monthly and quarterly time series are obtained by aggregating, directly or
indirectly, daily data, some specific properties of the daily data induce special effects,
denoted as calendar effects, in the aggregate time series.
The calendar effects can be enumerated as:
a) number of working days
b) number of working days with pronounced weekly cycles.
c) Easter effects.
All these effects can be modelled by using dummy variables as explained in appendix
2.2.
X
![Page 123: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/123.jpg)
Tendencias segmentadas. Su naturaleza estocástica. La propuesta de análisis condicional.
![Page 124: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/124.jpg)
Series AnualesProducto Interior Bruto en España
(Miles de millones de pesetas)
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
10000018
5018
5518
6018
6518
7018
7518
8018
8518
9018
9519
0019
0519
1019
1519
2019
2519
3019
3519
4019
4519
5019
5519
6019
6519
7019
7519
8019
8519
9019
9520
00
![Page 125: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/125.jpg)
El crecimiento económico en la India
• Comentario preparado por LUCIA MONTES
• RUPTURA TENDENCIAL A MITAD DE LOS OCHENTA,
![Page 126: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/126.jpg)
SERIES CON TENDENCIAS SEGMENTADAS
• MODELIZACIÓN DEL PIB ESPAÑOLCON RUPUTURA DE NIVEL POR LA
GUERRA CIVIL Y CON CAMBIO DE PENDIENTE CON LA
APERTURA INTERNACIONAL EN 1960
![Page 127: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/127.jpg)
LAS TENDENCIAS SEGMENTADAS SON INCIERTAS RESPECTO AL
FUTURO• Es importante recalcar que esta
aproximación tendencial segmentada o por tramos es útil como explicación a posteriori, pues entonces se pueden señalar o estimar los puntos de ruptura que, a priori, son inciertos.
• Esta incertidumbre pone de manifiesto que las tendencias en economía se pueden representar mejor con estructuras estocásticas. [email protected]
![Page 128: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/128.jpg)
ANALISIS CONDICIONAL AL PASADO
• No obstante, a posteriori el esquema de tendencia estocástica de naturaleza polinomial segmentada se puede analizar condicional al conocimiento de los puntos de cambio y con ello el esquema polinomial resultante puede tratarse como determinístico.
![Page 129: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/129.jpg)
• Este procedimiento supone que en r(t) se pueden determinar los nudos o puntos que separan los distintos segmentos o tramos temporales,
• pero ese conocimiento se tiene a posteriori, por lo que el método es limitado para proyecciones futuras, si bien puede ser útil para explicar el pasado.
![Page 130: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/130.jpg)
TENDENCIAS SEGMENTADAS Y ANALISIS DE INTERVENCIÓN
• Cuando el método se aplica disponiendo de información acerca de los puntos de cambio se puede considerar como un caso particular del Análisis de Intervención que se estudiará más adelante....
![Page 131: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/131.jpg)
Corregir signos de desigualdades• Supongamos por el momento que los puntos de
ruptura en un esquema de tendencia lineal por tramos son conocidos (j + 1), j = 1,..,k.
donde
Y
, b + b + tb + b = r(t) jtj
n
j=1jtoj
n
j=110 ξζ 1ΣΣ
≤
∀
≤ tt0,
t>t,)t-(t= ,
tt0,
tt1,=
j
jk
j
jtj
j
jt ξζf
.+ r(t) = X tt η
![Page 132: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/132.jpg)
Ejemplo 6.4.-Un ejemplo de polinomio enlazado de primer orden con cambios solamente en la pendiente sería:
con
La primera diferencia de la tendencia sería:
con
(63)î b (41)î b t b b r(t) t3t210 +++=
≤
≤
63. > _t 1
63 _t 0 = (63)y
41 > _t 1
41 _t 0 = (41) ζζ
≤
≤
63. > _t 63 -t
63 _t 0 = (63)y
41 > _t 41 -t
41 _t 0 = (41) tt ξξ
(63) b (41) b b r´(t) 321 ζζ ++=
![Page 133: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/133.jpg)
MODELO DE TENDENCIA SEGMENTADA CON COMPONENTE ESTACIONARIO
(6.2.13)
El interés por dicho modelo ha ido creciendo desdePerron (1989) y Rappoport y Reichlin (1989).En este modelo la aparición, al menos hacia el futuro, deun punto de ruptura es incierta, por lo que la tendencia esde naturaleza estocástica.Así el largo plazo de la variable en cuestión no esinmutable, pero los cambios solamente vienen producidospor acontecimientos puntuales y esporádicos.
, (t)r X tt η+=
0)( E t =η
![Page 134: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/134.jpg)
El modelo se puede analizar de forma condicional a quelos puntos de ruptura son conocidos, determinadosexógenamente. Este es el enfoque de Perron (1989),que puede contemplarse como una orientacióndeterminística de la tendencia segmentada.
Un análisis más general que asume la naturalezaaleatoria de la tendencia segmentada se encuentra en elJournal of Business and Economic Statistics,julio 1992.
• En este trabajo los nudos son desconodicos y sedeterminan endógenamente,
• Pero se elude un esquema estocástico que explique laocurrencia de los mismos.
El modelo de tendencia segmentada no es muy útil parafines predictivos.
![Page 135: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/135.jpg)
• EN OCASIONES, ACONTECIMIENTOSESPECIALES, LA DEPRESIÓN DE 1929, LACRISIS ENERGÉTICA DE 1974, ETC. PUEDENCAMBIAR LA TENDENCIA DE LAS SERIESECONÓMICAS.
• TALES ACONTECIMIENTOS SUELEN SER POCOFRECUENTES, UNA O DOS VECES CADA 50AÑOS, CON LO QUE MUCHAS SERIESEXPERIMENTAN POCOS CAMBIOSTENDENCIALES
![Page 136: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/136.jpg)
• EN OTROS CASOS, EL CAMBIO DE TENDENCIA PUEDEESTAR LIGADO A ACONTECIMIENTOS MENOSESPECTACULARES COMO LA INTRODUCCIÓN DE UNAINNOVACIÓN IMPORTANTE EN UNA EMPRESA O SECTORECONÓMICO, UN CAMBIO DE HÁBITOS SOCIALES, ETC. ENESTOS CASOS LOS CAMBIOS DE TENDENCIA OCURREN ENFECHAS MENOS SEÑALADAS A NIVEL GENERAL Y PUEDENSER ALGO MÁS FRECUENTES.
• EN TODOS ESTOS CASOS A PARTIR DEL MOMENTO t* ENEL QUE SE PRODUCE EL ACONTECIMIENTOESPECÍFICO LOS PARÁMETROS a Y b DE UNA TENDENCIAT(2) CAMBIAN. ES DECIR, SE PRODUCE UNASEGMENTACIÓN DE LA TENDENCIA.
![Page 137: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/137.jpg)
EJEMPLO DE TENDENCIA SEGMENTADAEJEMPLO DE TENDENCIA SEGMENTADA
• UN EJEMPLO DE CAMBIO DE TENDENCIA LIGADO A UNCAMBIO DE HÁBITOS PROPICIADO POR LARECUPERACIÓN ECONÓMICA A PRINCIPIOS DE LADÉCADA DE LOS OCHENTA ES EL RECOGIDO EN ELGRÁFICO DE LA PÁGINA SIGUIENTE.
• EN EL EJEMPLO SE VE QUE EL COSTE MEDIO DEMATRÍCULA CORREGIDO DE INFLACIÓN EN LASUNIVERSIDADES PÚBLICAS DE EE.UU. HA TENIDO UNATENDENCIA T(2) BASTANTE REGULAR, MIENTRAS QUELA TENDENCIA DE ESE MISMO COSTE EN LASUNIVERSIDADES PRIVADAS SUFRIÓ UN CAMBIO ALALZA A PRINCIPIO DE LOS AÑOS OCHENTA.
![Page 138: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/138.jpg)
Figure 2.28
Cost of College
0
3000
6000
9000
12000
15000
18000
1960 1965 1970 1975 1980 1985 1990 1995
publicprivate
Source:U.S . Departm ent o f Education, National Center for Education S tatistic s, Digest o f Education S ta tistics, 1995
Annual cost(co nst an t 1994-95 dollars)
A cade m i c ye ar e n din g
![Page 140: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/140.jpg)
LA INCERTIDUMBRE EN LAS TENDENCIAS
• Las tendencias hacen referencia a la evolución acíclica a largo plazo en una serie temporal.– La tendencias T(d): implican que no hay certidumbre
alguna sobre la evolución futura de la tendencia. NO REALISTA.
– Las tendencias T(ds): indican que ha habido segmentación tendencial en el pasado y, con una probabilidad de uno, podríamos decir que también aparecerán en el futuro, pero no sabemos ni cuándo ni con qué magnitud.
![Page 141: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/141.jpg)
LA INCERTIDUMBRE EN LAS TENDENCIAS
• Con las tendencias T(ds), nuestro análisis está condicionado por nuestro conocimiento de los puntos segmentados en el pasado.
• En las predicciones con modelos T(ds) suponemos que la última segmentación persistirá durante el período de la predicción.
• Con las tendencias T(ds) hemos de observar los nuevos datos por si hubiera una segmentación nueva, en cuyo caso ha de ser incluida en el modelo.
![Page 142: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/142.jpg)
LAS TENDENCIAS ESTOCÁSTICAS: SERIE I(1)
• Los modelos T(ds) son más realistas que los T(d),porque reflejan incertidumbre sobre el futuro.– En el modelo T(1s)
el nivel de la tendencia sólo cambia en th0, …, tr.
– Si aparecen tales cambios con mucha frecuencia:
– xt = xt-1 + wt (2)los podría captar.
- En (2) hay un coeficiente unitario (raíz) para la incorporación PLENA del pasado. La tendencia con oscilaciones locales está en Xt-1 y es, por tanto, ESTOCÁSTICA.
,0 tjt
r
tjjt waax ++= ∑
−ζ (1)
![Page 143: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/143.jpg)
TENDENCIAS Y ACUMULACIÓN DECONOCIMIENTOO
Las tendencias vienen determinadas por laacumulación de conocimiento tecnológico y tambiénde todo tipo de conocimiento que lleva a una mayoreficiencia en la organización y desarrollo de lasinstituciones.
Otro factor causante de las tendencias son loscambios en los gustos y hábitos de los individuos asícomo los cambios en las regulacionesadministrativas y sociales.
![Page 144: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/144.jpg)
Acumulación y esquemas de raicesunitarias
• La naturaleza de estos factores lleva a considerar para la formulación de las tendencias un esquema de ecuaciones en diferencias finitas con persistencia con un componente estocástico.
• Este esquema matemático se denomina de raíz unitariay de la tendencia resultante se dice que tiene una raíz unitaria.
• A la serie con tal tipo de tendencia se denomina integrada de orden uno: I (1).
.1 ttt wXX += −
![Page 145: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/145.jpg)
• Los datos transformados no tienen evolutividad.• Decimos que Xt es integrada de orden 1 porque si
tomamos las primeras diferencias una vez, los datos resultantes son estacionarios. Xt se denomina I(1). La terminología I(·) indica que la tendencia es estocástica.
LAS TENDENCIAS ESTOCÁSTICAS: SERIE I(1)
• La serie Xt en (2) se caracteriza por el hecho de que tomando las primeras diferencias
tttt WXXX =−=∆ −1(3)
![Page 146: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/146.jpg)
Tipo de Cambio Diario Yen-Dólar
60
80
100
120
140
160
180
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Período: 2/01/1990 -25/02/2000Fuente: FRED (Federal Reserve Economic Data)
Figura 23.1
![Page 147: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/147.jpg)
Variaciones Diarias en el Tipo de Cambio Yen-Dólar
-7.5
-5.5
-3.5
-1.5
0.5
2.5
4.5
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Período: 2/01/1990 - 25/02/2000Fuente: FRED (Federal Reserve Economic Data)
Figura 23.2
![Page 149: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/149.jpg)
DIVERSIDAD DE TENDENCIAS
Las tendencias se presentan en lasdiversas series económicasdependiendo de cómo se incorporaesa acumulación de conocimiento ycambios en los hábitos yorganización social en la magnitudeconómica que cada serierepresenta. [email protected]
![Page 150: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/150.jpg)
Así, en sectores productivos que se vanquedando estancados, por ejemplo laminería en la economía española, losincrementos en la incorporacióntecnológica tienen media cero y latendencia en dicha serie presentaoscilaciones locales de nivel pero nomuestra crecimiento sistemático, se diceque es una serie integrada con media ceroen sus incrementos: I (1,0).
![Page 151: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/151.jpg)
Index of Mining and quarrying total in Spain
Source: EcoWin
76 78 80 82 84 86 88 90 92 94 96 98 00 02 04
2000
=100
50
60
70
80
90
100
110
120
130
140
150
160
170
![Page 152: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/152.jpg)
TENDENCIAS CON CRECIMIENTO SISTEMÁTICO
Si embargo, en la mayor parte de los casos loscambios tecnológicos tienen media distinta decero y las series presentan crecimientosistemático.
Si dicha media es constante a la serie se ledenomina I(1,1).
![Page 153: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/153.jpg)
Quarterly US Real Gross Domestic Product (X9t)
25003000350040004500500055006000650070007500800085009000
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
Period: I-1964 / II-1999Source: BEAAt constant 1996 prices. Non Seasonally adjusted.
Figure 2.12
![Page 154: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/154.jpg)
Quarterly variations US Gross Domestic Product
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
4,00
5,00
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
Period: I-1964 / II-1999Source: BEAAt constant 1996 prices. Non Seasonally adjusted.
![Page 155: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/155.jpg)
SERIES INTEGRADAS CON CRECIMIENTO SISTEMÁTICO
• La Serie anterior de tipo de cambio I(1) solo muestra oscilaciones locales de nivel.
• Una serie integrada con crecimiento sistemático se puede integrar como:
Zt = Zt-1 + b + wt (4)• Tomando las primeras diferencias
∆Zt = b + wt (5)• Comparando:
∆Zt en (5) con∆Xt en (3)
vemos que la media de ∆Xt es nula y que la media de ∆Zt es b.Por lo tanto Xt solo tiene oscilaciones locales de nivel y Zt tiene
crecimiento sistemático.Los dos son I(1), pero muy distintas.
![Page 156: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/156.jpg)
LA TERMINOLOGÍA I(1,m)• Para incluir el hecho de que la media de ∆Xt
puede o no ser nula en las series I(1), usamos la terminología I(1,m) con m = 0 si la media de ∆Xt es nula y
m = 1 si la media de ∆Xt no es nula.• Así, Xt en (2) es I(1,0) y• Zt en (a) es I(1,1).• En I(1,m)
h = 1 + mnos da el número de factores tendenciales: 1 ó 2. [email protected]
![Page 158: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/158.jpg)
Tipo de Cambio Diario Yen-Dólar
60
80
100
120
140
160
180
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Período: 2/01/1990 -25/02/2000Fuente: FRED (Federal Reserve Economic Data)
Figura 23.3
![Page 159: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/159.jpg)
Variaciones Diarias en el Tipo de Cambio Yen-Dólar
-7.5
-5.5
-3.5
-1.5
0.5
2.5
4.5
1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000
Período: 2/01/1990 - 25/02/2000Fuente: FRED (Federal Reserve Economic Data)
Figura 23.4
![Page 160: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/160.jpg)
SERIE I(1.1)
• LA SERIE DE PIB
• La serie diferenciada tiene media distinta de cero.
• En consecuencia ,tiene crecimiento y éste es constante.
![Page 161: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/161.jpg)
Quarterly US Real Gross Domestic Product (X9t)
25003000350040004500500055006000650070007500800085009000
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
Period: I-1964 / II-1999Source: BEAAt constant 1996 prices. Non Seasonally adjusted.
Figure 2.12
![Page 162: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/162.jpg)
Quarterly variations US Gross Domestic Product
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
4,00
5,00
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
Period: I-1964 / II-1999Source: BEAAt constant 1996 prices. Non Seasonally adjusted.
![Page 163: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/163.jpg)
TENDENCIAS CON CRECIMIENTONO CONSTANTE
En realidad los incrementos tecnológicos no tienenmedia constante.
Esta puede cambiar de tanto en tanto y tener enconsecuencia una estructura segmentada. Unaserie temporal con tales características se ledenominará I (1,1S).La serie histórica sobre el producto interior bruto de laeconomía española,elaborada por el Prof.Leandro Pradosde la Escosura,es un buen ejemplo de ello.
![Page 164: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/164.jpg)
Series AnualesProducto Interior Bruto en España
(Miles de millones de pesetas)
0
10000
20000
30000
40000
50000
60000
70000
80000
90000
10000018
5018
5518
6018
6518
7018
7518
8018
8518
9018
9519
0019
0519
1019
1519
2019
2519
3019
3519
4019
4519
5019
5519
6019
6519
7019
7519
8019
8519
9019
9520
00
![Page 165: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/165.jpg)
TENDENCIAS CON DOS RAICES UNITARIAS
En otros casos los cambios de media puedenser más frecuentes y ellos mismos puedenseguir un esquema de raíz unitaria, queacumulada a la anterior genera tendencias condos raíces unitarias y a las series con talescaracterísticas se les denomina I (2,0).
![Page 166: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/166.jpg)
Indice de Precios de Consumo Mensual USA sin alimentos y energía
020406080
100120140160180200
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Período: 1958.01- 2000.01Fuente: BLS
Figura 23.6
![Page 167: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/167.jpg)
La inflación tendencial en USA
02468
10121416
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Período: 1958.01- 2000.01Fuente: BLS
* La inflación tendencial se ha definido como la tasa de crecimiento del índice de preciosal consumo que se obtiene sin incluir los precios de los alimentos y la energía.Aquí usamos la tasa de crecimiento interanual para medir la inflación tendencial.
Figura 23.7
![Page 168: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/168.jpg)
LAS TENDENCIAS PLENAMENTE ESTOCÁSTICAS
• en Xt = Xt-1 + b + wt
– el factor de nivel Xt-1 es estocástico pero– el factor incremental b es determinista.
• Un modelo con factor incremental estocástico esXt = Xt-1 + (Xt-1 - Xt-2) + wt (6)
• Tomando las primeras diferencias∆Xt = Xt - Xt-1 = (Xt-1 - Xt-2) + wt, (7)
de modo que en (7) ∆Xt aún tiene evolutividad y de hecho es I(1,0).• Diferenciando de nuevo
∆2Xt = (Xt - Xt-1) - (Xt-1 - Xt-2) = wt, (8)wt es estacionario.
• Así (6)Xt ~ I(2,0) Con (6) se incluyen dos coeficientes
unitarios(raices) ∆Xt ~ I(1,0)∆2Xt ~ I(0,0)
![Page 169: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/169.jpg)
Indice de Precios de Consumo Mensual USA sin alimentos y energía
020406080
100120140160180200
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Período: 1958.01- 2000.01Fuente: BLS
Figura 23.6
![Page 170: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/170.jpg)
INDICES DE PRECIOS E INFLACIÓN
• LOS INDICES PRECIOS ,O MÁS PRECISAMENTE, SU TRANSFORMACIÓN LOGARITMICA ,SUELEN SER SERIES I(2,0).
• EN CONSECUENCIA,LA INFLACIÓN –LAS PRIMERAS DIFERENCIAS DEL LOGARITMO DE LOS PRECIOS – SON SERIES I(1,0).I(1,0).
• LA INFLACIÓN TIENE EVOLUTIVIDAD DEL TIPO OSCILACIONES LOCALES DE NIVEL.
• La transformación estacionariaSE OBTIENE APLICANDO DOS VECES PRIMERAS DIFERENCIAS A LA TRANSFORMACIÓN LOGARÍTMICA DE LOS PRECIOS.
![Page 171: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/171.jpg)
La inflación tendencial en USA
02468
10121416
1958
1959
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975
1976
1977
1978
1979
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
2000
Período: 1958.01- 2000.01Fuente: BLS
* La inflación tendencial se ha definido como la tasa de crecimiento del índice de preciosal consumo que se obtiene sin incluir los precios de los alimentos y la energía.Aquí usamos la tasa de crecimiento interanual para medir la inflación tendencial.
Figura 23.7
![Page 172: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/172.jpg)
LAS RAICES UNITARIAS COMO UN ESQUEMA CON SOLIDEZ ANTE LOS
CAMBIOS
Los esquemas de raíces unitarias tienen la propiedad desolidez ante los cambios, ya que una vez ocurridoséstos los incorporan inmediatamente.
Esto hace que su imposición al modelar una serietemporal sea muy útil para la predicción, aunque nonecesariamente para representar las propiedadestendenciales de la serie en cuestión.
![Page 173: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/173.jpg)
LA DIFERENCIACIÓN PARA ELIMINAR LAS TENDENCIAS
• En la serie I(d,m), eliminamos la tendencia diferenciando dveces.
• En la serie T(2), se puede denominar también I(0,2),
Xt = a + bt + wt (9)
∆Xt = b + (wt - wt-1), (10)
∆Xt también es estacionario, pero el término residual (Wt - Wt-1)tiene malas propiedades estocásticas.
• Esto de debe al hecho de que en (9) la tendencia se elimina propiamente por regresión.
• No obstante, la diferenciación también elimina las tendencias deterministas.
• A no ser que observemos una tendencia determinista muy estable, usaremos modelos I(d,m) con d ≠ 0.
![Page 175: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/175.jpg)
Series MensualesIngreso por Turismo en España
(Millones de euros)
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
1960
1961
1962
1963
1964
1965
1966
1967
1968
1969
1970
1971
1972
1973
1974
![Page 176: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/176.jpg)
• De nuevo los factores meterológicos, sociales yadministrativos que causan la estacionalidad sonestocásticos y ésta se puede representar medianteecuaciones en diferencias finitas estocásticas conpersistencia cíclica.
• Cuando este tipo de estacionalidad aparece junto conuna tendencia estocástica se tiene que una de las raícesunitarias del esquema resultante no es sobre el pasadoinmediato, sino sobre el mismo periodo (estación) delaño inmediatamente anterior
![Page 177: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/177.jpg)
PROTOTIPOS DE MODELOS PARA LA EVOLUTIVIDAD
TENDENCIAL Y ESTACIONAL
1.- Modelos con tendencias del tipo oscilaciones locales de nively sin oscilaciones estacionales
( )( )1,0I0,1I s Obtenga también el modelo que se deriva en cada
caso para tX∆ y las propiedades de dicha variable
![Page 178: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/178.jpg)
2.- Oscilaciones locales de nivel con estacionalidad determinista (ED).
( )( ) EDI
EDI s
++
)0,11,0
Derivaciones para tX∆
3.- Oscilaciones locales de nivel con estacionalidad estocástica (EE).
( ) EEI +)0,1 Derivaciones para tsX∆
![Page 179: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/179.jpg)
4.- Crecimiento sistemático sin estacionalidad
( )( )( )( )s
s
IIII
1,11,12,02,0
( )0,2I
Derivaciones para tX∆
tX∆ tSX∆ tSX∆∆Derivaciones para y
![Page 180: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/180.jpg)
5.- Crecimiento sistemático con estacionalidad determinista.Proceder de forma similar al apartado 4
6.- Crecimiento sistemático con estacionalidad estocástica:
( )( ) EEI
EEIs ++
1,11,1
( ) EEI +0,2
Derivaciones para tX∆
Derivaciones para tX∆ tSX∆ tSX∆∆y
![Page 182: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/182.jpg)
Los esquemas de raíces unitarias implicanquetransformado las series, de modo que en
vez de considerar los datos originales seutilizan sus incrementos o las incrementosde los incrementos – si la serie presentaestacionalidad uno de dichos incrementosserá estacional –,tales transformaciones no muestran
evolutividad en su nivel y, en general, seránestacionarias.
![Page 183: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/183.jpg)
PIB ESPAÑOL
• Tiene:- Oscilaciones proporcionales al nivel- Crecimiento sistemático y-Estacionalidad.
![Page 186: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/186.jpg)
1980 1985 1990 1995 2000
2000
3000
CEMENT
1980 1985 1990 1995 2000
-.2
0
.2DLCEMENT
1980 1985 1990 1995 2000
-.25
0
.25
.5D12DLCEMENT
1980 1985 1990 1995 2000
-.5
0
.5DD12DLCEMEN
![Page 187: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/187.jpg)
LA DIFERENCIACIÓN PARA ELIMINAR LAS TENDENCIAS
• En la serie I(d,m), eliminamos la tendencia diferenciando dveces.
• En la serie T(2), se puede denominar también I(0,2),
Xt = a + bt + wt (9)
∆Xt = b + (wt - wt-1), (10)
∆Xt también es estacionario, pero el término residual (Wt - Wt-1)tiene malas propiedades estocásticas.
• Esto de debe al hecho de que en (9) la tendencia se elimina propiamente por regresión.
• No obstante, la diferenciación también elimina las tendencias deterministas.
• A no ser que observemos una tendencia determinista muy estable, usaremos modelos I(d,m) con d ≠ 0.
![Page 188: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/188.jpg)
LOS ELEMENTOS DETERMINANTES EN LA DEFINICIÓN DE TENDENCIAS
• Los modelos del tipoXt = a + bt + wt or (11)Xt = Xt-1 + b + wt (12)
producen predicciones muy rígidas. Si son razonablemente adecuados para los datos, estas predicciones serán más exactas que las que produce el modelo I(2,0).
![Page 189: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/189.jpg)
Xt = a + bt + wt or (11)Xt = Xt-1 + b + wt (12)
• Pero si (11) ó (12) no son correctos, ó los parámetros a y b cambian en el período de predicción, los modelos I(2,0) resultan mejores para series con crecimiento sistemático.
• Asimismo, en estas condiciones, I(1,0) sería mejor que I(0,1s) para series con oscilaciones locales de nivel.
• Box-Jenkins proponen el uso del número máximo de diferencias.
![Page 190: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/190.jpg)
CONCLUSIÓN
• Podemos eliminar la tendencia y la estacionalidad si aplicamos diferencias regulares y estacionales.
![Page 191: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/191.jpg)
LA ELIMINACIÓN DE LA TENDENCIA Y LA ESTACIONALIDAD
A Serie con oscilaciones locales de nivel [I(1,0)]Xt = Xt-1 + Wt (33)∆Xt = Wt (34)
Serie con oscilaciones locales de nivel y estacionalidad estocástica [I(1,0)EE]
Xt = Xt-1 - [∆Xt-1 + … + ∆Xt-s-1] + Wt (35)Xt = Xt-s+ Wt (36)∆sXt = Wt (37)
![Page 192: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/192.jpg)
C Serie con crecimiento sistemático en que la media del crecimiento es constante [I(1,1)]
Xt = Xt-1 + b + Wt (38)∆Xt = b + Wt (39)
D Como (C) con estacionalidad estocástica [I(1,1)SS]Xt = Xt-1 + s ·b - [∆Xt-1 + … + ∆Xt-s-1] + Wt,(40)
Xt = Xt-s + s · b +Wt (41)∆sXt = s ·b + Wt (42)
Serie con crecimiento estocástico y estacionalidad estocástica [I(2,0)SS]
Xt = Xt-1 + ∆Xt-1 - {LUs-2 (L) [∆Xt - ∆Xt-1]} + Wt (43)∆∆sXt = Wt (44)
![Page 193: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/193.jpg)
LAS DESVIACIONES DE LA MEDIA EVOLUTIVA DE UNA SERIE TEMPORAL
• Se podría representar una serie temporal con tendencia y estacionalidad como sigue:
Xt = Tt · St · Wt (4)donde Tt es el factor tendencial
St es el factor estacional, y
Wt es un factor que capta las desviaciones de Xt de la senda de los factores evolutivos Tt y St.
• Por construcción, Wt no muestra comportamiento evolutivo.
• Los componentes de Wt son las oscilaciones en el ciclo de negocios y las fluctuaciones a corto plazo.
• Resultan de la dependencia temporal de los datos de Wt.
![Page 194: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/194.jpg)
DEPENDENCIA ESTACIONARIA (OSCILACIONES CÍCLICAS Y PERTURBACIONES A CORTO
PLAZO),
A PARTIR DE UN ESQUEMA ESTADÍSTICO RELATIVAMENTE
GENERAL.
![Page 195: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/195.jpg)
• LAS DESVIACIONES DE Xt SOBRE LA TENDENCIA Y LA ESTACIONALIDAD ,QUE DENOMINAREMOS Wt,MUESTRAN DEPENDENCIA CON DESVIACIONES ANTERIORES.
• HABRÁ QUE OBTENER UN MODELO PARA Wt CONDICIONALIZANDO SOBRE LAS DESVIACIONES PASADAS.
• ESTO SE REALIZARÁ ESTABLECIENDO UN SUPUESTO GENERAL PARA ESA DEPENDENCIA RESPECTO EL PASADO.
![Page 196: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/196.jpg)
SERIES TEMPORALES ORIGINALES
YSERIES TEMPORALES SOBRE LOS INCREMENTOS O SOBRE LAS TASAS DE CRECIMIENTO DE LAS SERIES ORIGINALES .
![Page 197: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/197.jpg)
TASAS DE CRECIMIENTO MENSUALES O
TRIMESTRALES Y TASAS DE CRECIMIENTO ANUALES.
EJEMPLOS EN SERIES DE PRODUCCIÓN, EMPLEO Y
![Page 198: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/198.jpg)
Expenditure Approach, Gross Domestic Product, Total at market prices, C
Source: EcoWin
80 82 84 86 88 90 92 94 96 98 00 02 04
70
80
90
100
110
120
130
140
150
160
170
![Page 199: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/199.jpg)
Expenditure Approach, Gross Domestic Product, Total at market prices, C
ar 4 quartersSource: EcoWin
80 82 84 86 88 90 92 94 96 98 00 02 04
-3
-2
-1
0
1
2
3
4
5
6
7
8
![Page 200: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/200.jpg)
, Expenditure Approach, Gross Domestic Product, Total at market prices, C
c.o.p 1 quarterSource: EcoWin
80 82 84 86 88 90 92 94 96 98 00 02 04
-10,0
-7,5
-5,0
-2,5
0,0
2,5
5,0
7,5
10,0
![Page 201: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/201.jpg)
Monthly Consumer Price Index in US, excluding food and energy prices (X7t)
0
40
80
120
160
200
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Period: 1958.01- 2000.01Source: BLS
Figure 2.10
![Page 202: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/202.jpg)
Core Inflation (X3t)
02468
10121416
1958
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
Period: 1958.01- 2000.01Source: BLS
* Core inflation has been defined as the rate of growth of a consumer price index obtained by excluding from the global consumer price index the prices corresponding to food and energy.Here we use the year-on-year rate of growth to measure Core inflation.
Figure 2.6
![Page 203: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/203.jpg)
Quarterly US Real Gross Domestic Product (X9t)
25003000350040004500500055006000650070007500800085009000
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986
1988
1990
1992
1994
1996
1998
Period: I-1964 / II-1999Source: BEAAt constant 1996 prices. Non Seasonally adjusted.
Figure 2.12
![Page 204: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/204.jpg)
Quarterly variations US Gross Domestic Product
-3,00
-2,00
-1,00
0,00
1,00
2,00
3,00
4,00
5,00
1965
1968
1971
1974
1977
1980
1983
1986
1989
1992
1995
1998
Period: I-1964 / II-1999Source: BEAAt constant 1996 prices. Non Seasonally adjusted.
![Page 206: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/206.jpg)
MODELOS PARA LAS TENDENCIAS (II)MODELOS PARA LAS TENDENCIAS (II)
- TENDENCIAS NO LINEALESRESPECTO AL TIEMPO:
• LA TENDENCIA LINEAL (4) IMPLICA QUE LOS INCREMENTOSTENDENCIALES∆Tt = Tt – Tt-1 = b (7)SON CONSTANTES.
• ∆ ES UN OPERADOR QUE APLICADO A UNA VARIABLETEMPORAL, DÍGASE Zt, LA TRANSFORMA EN SUS PRIMERASDIFERENCIAS:∆Zt = Zt – Zt-1
• CUANDO ESO NO SE CUMPLE LA TENDENCIA ES NO LINEAL.POR EJEMPLO, PORQUE LOS INCREMENTOS TENDENCIALES(∆Tt) SON CRECIENTES O DECRECIENTES.
![Page 207: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/207.jpg)
• LA TENDENCIA ES UN FACTOR QUEEVOLUCIONA SUAVEMENTE, PERO NONECESARIAMENTE SIGUE UN ESQUEMALINEAL.
• LOS ESQUEMAS DE TENDENCIA NOLINEAL SON INNUMERABLES.
• EN (4) LA TENDENCIA LINEAL VIENEREPRESENTADA POR UN POLINOMIO DEORDEN UNO SOBRE LA VARIABLETIEMPO.
• ESQUEMAS POLINOMIALES DE ORDENSUPERIOR A UNO REPRESENTANTENDENCIAS NO LINEALESRESPECTO AL TIEMPO.
![Page 208: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/208.jpg)
A. TENDENCIA PARABÓLICA O POLINOMIAL A. TENDENCIA PARABÓLICA O POLINOMIAL DE 2º ORDENDE 2º ORDEN
Tt = a + bt +ct2 (8)• EN ESTA DEFINICIÓN LA TENDENCIA NO SÓLO DEPENDE DEL
NIVEL DE LA VARIABLE TIEMPO SINO TAMBIÉN DE SUCUADRADO, POR LO QUE NO ES LINEAL.
• EN (8) LOS INCREMENTOS TENDENCIALES AHORA VIENENDADOS POR:∆Tt = b + c (2t-1), (9)CON LO QUE NO SON CONSTANTES.
• SI c > 0 LOS INCREMENTOS TENDENCIALES SONMONOTÓNICAMENTE CRECIENTES, DESDE EL PRINCIPIO SI b≥ 0 O DESDE t > [(c-b)/2c] SI b < 0.
• SI c < 0 LOS INCREMENTOS SON MONOTÓNICAMENTEDECRECEINTES, DESDE EL PRINCIPIO SI b < 0 O DESDEt > [(c-b)/2c] SI b>0.
![Page 209: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/209.jpg)
• ESTA PROPIEDAD DE LAS TENDENCIAS PARABÓLICASCONSISTENTE EN QUE LOS INCREMENTOS TENDENCIALESSON MÁS O MENOS PRONTO MONOTÓNICAMENTECRECIENTES O DECRECIENTES, CONVIERTE A TALESTENDENCIAS EN POCO ÚTILES PARA REPRESENTARFENÓMENOS ECONÓMICOS.
• EN LA REALIDAD ECONÓMICA ES DIFÍCIL ENCONTRAR ESAMONOTONÍA EN LOS CRECIMIENTOS TENDENCIALES. TALESCRECIMIENTOS EN DETERMINADOS PERÍODOS PUEDEN SERCRECIENTES (O DECRECIENTES) PERO MANTENER TALPROPIEDAD PARA SIEMPRE DESDE UN DETERMINADOMOMENTO, NO PARECE SER, EN GENERAL, UNACARACTERÍSTICA REAL DE LOS DATOS ECONÓMICOS.
• EN CONSECUENCIA LAS TENDENCIAS PARABÓLICAS SÓLOSUELEN TENER, SI ESE ES EL CASO, UNA UTILIDAD LIMITADAEN EL TIEMPO POR LO QUE NO ES RECOMENDABLE SU USO.
X
![Page 210: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/210.jpg)
B. TENDENCIAS POLINOMIALES DE ORDEN B. TENDENCIAS POLINOMIALES DE ORDEN SUPERIOR A 2SUPERIOR A 2
Tt = a + b1 t + b2 t2 + … + br tr (10)• AL IGUAL QUE EN EL CASO CUADRÁTICO A PARTIR DE UN
DETERMINADO MOMENTO SON SISTEMÁTICAMENTECRECIENTES (br>0) O DECRECIENTES (br<0).
• EN EL CASO CUADRÁTICO LOS INCREMENTOS TENDENCIALESPODRÍAN, COMO MÁXIMO, CAMBIAR UNA VEZ DE SIGNO.AHORA TALES INCREMENTOS PUEDEN CAMBIAR BASTANTESVECES DE SIGNO CON LO QUE LA TENDENCIA PIERDE SUCARÁCTER DE COMPONENTE SUAVE.
• DE HECHO POLINOMIOS DEL TIPO (10) TIENDEN A CAPTARADEMÁS DE LA TENDENCIA DIFERENTES OSCILACIONES ENLAS SERIES TEMPORALES.
• CONCLUSIÓN. LOS ESQUEMAS POLINOMIALES DE ORDENSUPERIOR A UNO NO SON RECOMENDABLES PARAREPRESENTAR TENDENCIAS EN SERIES ECONÓMICAS.
X
![Page 211: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/211.jpg)
SERIES TEMPORALES CON CLARO LÍMITE SERIES TEMPORALES CON CLARO LÍMITE SUPERIOR EN SU EVOLUCIÓNSUPERIOR EN SU EVOLUCIÓN
• LAS TENDENCIAS LINEAL Y EXPONENCIAL CRECEN INDEFINIDAMENTE Y NOSON APROPIADAS PARA ESTAS SERIES.
• EN TALES CASOS SE NECESITAN CURVAS QUE TIENDEN A UN LÍMITE OASÍNDOTA CUANDO t TOMA VALORES ALTOS.
• POSIBLES MODELOS TENDENCIALES CON ASÍNDOTA.– CURVA DE GOMPERTZ.
log Tt = a + brt , o<r<1ASÍNDOTA : exp (a)
– CURVA LOGÍSTICA.Tt = 1/(a+ brt), o<r<1ASÍNDOTA: 1/a
• POSIBLES EJEMPLOS:– PORCENTAJE DE PERSONAS ALFABETAS EN UNA SOCIEDAD DESARROLLADA,
PORCENTAJE DE CASAS CON ELECTRICIDAD, ETC.– EN MUCHOS OTROS CASOS NO ESTÁ CLARO QUE EXISTA UN LÍMITE SUPERIOR:
NÚMERO DE TELÉFONOS O AUTOMÓVILES POR CADA MIL HABITANTES.• CONSIDERACIONES SOBRE TENDENCIAS CON ASÍNDOTA.
– SÓLO DEBEN APLICARSE CUANDO LA EXISTENCIA DE ASÍNDOTA ES CLARA Y– SE PUEDE LOGRAR EN UN FUTURO NO MUY LEJANO.
X
![Page 213: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/213.jpg)
CONJUNTOS INFORMATIVOS Y MODELOS
ECONOMÉTRICOS. MODELOS UNIVARIANTES Y MODELOS
VECTORIALES.
PLAN DE ESTUDIO EN EL RESTO DEL CURSO.
![Page 215: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/215.jpg)
• Conjuntos informativos univariantes. Modelosunivariantes con estructura para la evolutividad yla dependencia en una serie temporal. En estosmodelos el presente de la variable en cuestiónviene determinado por sus valores pasados. Unaecuación en diferencias finitas estocástica.
• Conjuntos informativos multivariantes. Lanecesidad de la Teoría Económica en suformulación. Modelos multiecuacionales.
• Variables exógenas: afectan a la determinación delfenómeno de interés, pero en el análisis concretoque se está realizando (determinación de losparámetros, predicción, simulación) no vienenafectadas por él. Distintos tipos de exogeneidadsegún el análisis concreto que se realice.
![Page 216: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/216.jpg)
• Modelos uniecuacionales para la predicción: todaslas variables explicativas deben ser fuertementeexógenas. Ejemplo, un modelo en el que sedetermine el número de turistas entrados enEspaña en un determinado trimestre en función deun indicador de renta de los turistas y deindicadores de precios relativos.
• Si en la explicación de un determinado fenómeno{yt} las variables explicativas no son todas ellasexógenas se necesita un modelo multiecuacionalque explique tanto yt como las restantes variablesendógenas. En principio estos son los modelosnecesarios para el análisis económico.
![Page 217: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/217.jpg)
• En los modelos multiecuacionales las variablesexplicativas pueden sustituirse por suformulación univariante y puede demostrarse –véase Zellner y Palm (1974)- que para cadavariable endógena del modelo multiecuacionalpuede llegarse a una forma final que es sucorrespondiente modelo univariante. Esteresultado justifica la utilización de modelosunivariantes.
• Los modelos multivariantes se denominan deforma reducida cuando la relacióncontemporánea entre las variables no seespecifica y queda asumida en la matriz devarianzas y covarianzas de los residuos.
![Page 218: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/218.jpg)
• Un modelo multiecuacional se denomina deecuaciones simultáneas si en él se especifica ladirección de la causalidad contemporánea. Paraello es necesario una teoría que postule talcausalidad. Ejemplos el modelo de la telaraña.Ver también ejemplos en Enders secciones 1.1. y5.4.
• Los modelos simultáneos no están identificados– existen infinitas especificaciones igualmenteválidas del mismo – si no incluyen restricciones.Estas restricciones pueden ser arbitrarias por loque Sims (1980) propuso operar exclusivamentecon modelos VAR, que son de forma reducida.
![Page 219: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/219.jpg)
• Los modelos simultáneos siempre se puedenresolver y llegar a un modelo de formareducida (restringida).
• Con la consideración relativamente modernade la cointegración, Granger (), el modelorelevante es el modelo vectorial conMecanismos de corrección del Equilibrio(VEqCM).
• Modelos congruentes.
![Page 220: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/220.jpg)
Figure 2.13
Real Consumers' expenditure on non-durables and se rvices(1) and real personal disposable income(2) in U.K.
(logarithmic transformation-quaterly data)
4.55
4.6
4.65
4.7
4.75
4.8
4.85
4.9
1980
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995
1996
1997
1998
1999
Period 1980(I)- 1999(IV)Source: Office for National Statistics UK
(2)
(1)
![Page 221: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/221.jpg)
El análisis cuantitativo básico sobre series temporalesconsiste en construir modelos que explican lageneración de los mismos y que suelen denominarsemodelos econométricos dinámicos o modeloseconométricos de series temporales. Estos modelospueden construirse para una serie temporal aislada -modelos univariantes (1)- o simultáneamente para unconjunto de series -modelos econométricos propiamentedichos-.Estos últimos según la naturaleza de los datos y de lasrestricciones de teoría económica que incorporanpueden formularse como modelos de regresióndinámica múltiple (2), sistemas de regresionesdinámicas (3) o modelos estructurales dinámicosmultiecuacionales (4).La complejidad y coste de la construcción de losmodelos (1) a (4) crece exponencialmente, pero tambiénaumenta el tipo de tareas que es posible realizar conellos y la precisión con que éstas se pueden llevar acabo. [email protected]
![Page 222: 1 3 Y 1 4.ppt [Modo de compatibilidad] - est.uc3m.es€¦ · ha de construirse el modelo de modo que sea capaz de captar todas estas propiedades y, por tanto, proyectarlas en la predicción](https://reader030.vdocuments.net/reader030/viewer/2022011805/5bb68a7e09d3f2f7768bf2c3/html5/thumbnails/222.jpg)
Figure 2.29
Crude oil price
0
10
20
30
40
50
60
1949 1954 1959 1964 1969 1974 1979 1984 1989 1994 1999