Está en la página 1de 8

PROGRAMA DE DOCTORADO EN ECONOMIA

Universidad de Zaragoza

Curso: METODOS CUANTITATIVOS PARA EL ANALISIS DE LA COYUNTURA ECONOMICA

Dr. F. Javier Trvez Bielsa


Profesor Titular de Anlisis Econmico Departamento de Anlisis Econmico Facultad de CC. Econmicas y Empresariales

CURSO ACADMICO 2003-2004

OBJETIVOS Y METODOLOGA El anlisis de coyuntura econmica resulta un elemento imprescindible para conocer la situacin actual y las perspectivas a corto plazo de la economa de un determinado espacio geogrfico. Ahora bien, para poder efectuar un anlisis de coyuntura econmica adecuado, es necesario disponer, aparte del conjunto de conocimientos que engloba la Teora econmica, de dos elementos fundamentales: (i) la informacin estadstica sobre las variables clave que configuran la realidad que se pretende analizar, esto es, la base emprica, y (ii) el conjunto de mtodos estadstico-economtricos, mtodos cuantitativos, que permitan tratar adecuadamente la informacin disponible. El objetivo principal de este curso consiste en presentar estos mtodos estadstico-economtricos, configurando una propuesta metodolgica respecto al anlisis coyuntural cuantitativo, que se plasmar tanto terica como prcticamente mediante diversos casos aplicados. El curso se desarrollar mediante la adecuada combinacin de clases magistrales, en las que se expondrn los principales puntos de cada uno de os temas que configuran el programa de la asignatura, con otras clases prcticas (tanto de ordenador como de comentario de aplicaciones concretas). Junto a estas clases, habr otras en las que el alumno deber tomar un papel de pleno protagonismo, exponiendo la situacin del trabajo que debe ir elaborando durante todo el curso y que constituye un elemento importante de la evaluacin final. En concreto, el sistema de evaluacin ser de tipo mixto, combinndose un trabajo aplicado, en el que se lleve a cabo un anlisis de coyuntura de un determinado espacio geogrfico (nacional o regional) con un examen final. PROGRAMA TEMA 1: Modelos univariantes de series temporales (I) 1.1- Introduccin al enfoque paramtrico del anlisis de series temporales. 1.3- Modelos estacionarios. estocsticos de series temporales no estacionales y

1.3- Modelos estocsticos de series temporales no estacionales y no estacionarios. 1.4- Modelos estocsticos estacionales. Descripcin del tema: Se trata de introducir los elementos precisos para comprender la metodologa Box-Jenkins de series temporales que se desarrollar en el captulo siguiente, con el fin de modelizar una serie temporal bajo la premisa de que sta viene generada por un determinado proceso estocstico. En cualquier caso se trata de recordar una serie de conceptos que ya deben ser conocidos por el alumno, por lo que la dedicacin al tema ser breve.

TEMA 2: Modelos univariantes de series temporales (II) 2.1- Esquema general de la metodologa Box-Jenkins. 2.2- Identificacin. 2.3- Estimacin. 2.4- Validacin ex ante del modelo. 2.5- Prediccin. 2.6- Validacin ex post del modelo. Descripcin del tema: Repaso a la metodologa Box-Jenkins y a cada una de las etapas que configuran la misma: Identificacin, Estimacin, Chequeo y Prediccin. Como puede observarse en el temario, la etapa de Chequeo se considera dividida en dos partes: la validacin que cabe efectuar al modelo antes de utilizar el mismo para predecir (que es, en definitiva, lo que tradicionalmente se ha definido como etapa de chequeo), y que denomino validacin ex ante, y la validacin que se efecta a partir del anlisis de la capacidad predictiva del modelo (validacin ex post), atendiendo al contenido informativo, la exactitud y el grado de corroboracin que puede obtenerse a partir del mismo. TEMA 3: Anlisis de intervencin y efectos calendario 3.1- Anlisis de Intervencin. 3.2- Modelizacin del efecto calendario: planteamiento del problema. 3.3- Efecto das de la semana. 3.4- Efecto Pascua. 3.5- Efecto festivos intrasemanales. Descripcin del tema: Para completar adecuadamente el tratamiento univariante de una serie temporal, es necesario introducir el anlisis de las intervenciones o sucesos externos que pueden influir en la misma. Se trata, en definitiva, de evaluar el efecto de dichas intervenciones en el proceso de comportamiento de la serie temporal objeto de estudio, para lo cual se plantea un procedimiento de actuacin, mediante el cual, y atendiendo al perodo de comienzo de dichos sucesos externos y a la forma general del impacto de dichas intervenciones, se proceda a identificar un modelo de intervencin pertinente a cada situacin descrita. Junto con el anlisis de intervencin, tambin resulta recomendable analizar el efecto que en el comportamiento de las series puede tener el propio calendario (das de la semana, variabilidad de los festivos y de la pascua). Y a ello se dedican las restantes secciones de este tema. TEMA 4: Outliers 4.1- Concepto y tipos de outliers. 4.2- Efectos de los outliers en la serie original y en los residuos. 4.3- Efectos de los outliers en las etapas de identificacin, estimacin y prediccin.

4.4- Estimacin de los efectos de los outliers. 4.5- Deteccin y tratamiento de outliers Descripcin del tema: El anlisis de intervencin, que analizbamos en el tema anterior, se caracterizaba porque a priori se sospechaba que algn suceso externo poda influir en la serie temporal objeto de prediccin; por ello, en principio, el perodo de ocurrencia del suceso es conocido. Sin embargo, aunque no sepamos la existencia de estos sucesos, su existencia puede ponerse de manifiesto al observar ciertos datos atpicos (outliers). As, cuando el tiempo y la causa de ocurrencia de los sucesos externos se desconocen, hablaremos de anlisis de outliers de seres temporales. Debido a que estos outliers causan estragos en el anlisis de las series temporales- y a este anlisis dedicamos las tres primeras secciones del tema- es importante disponer de procedimientos que permitan detectar y eliminar los efectos perversos de tales outliers. Al anlisis del cumplimiento de este objetivo se dedican precisamente las dos ltimas secciones. TEMA 5: Extraccin de seales 5.1- Componentes de una serie temporal econmica. 5.2- El uso de medias mviles para la extraccin de seales. 5.3- Procedimientos empiricistas. 5.4- Mtodos basados en el modelo ARIMA de la serie original (mtodos de forma reducida). 5.5- Mtodos basados en modelos estructurales. Descripcin del tema: Toda serie temporal puede descomponerse en cuatro componentes: el tendencial, el estacional, el cclico y el irregular. Todos estos componentes, sin embargo, no son relevantes desde el punto de vista del analista de coyuntura, dado que algunos de ellos contienen oscilaciones de escaso inters econmico que puede llevar a conclusiones errneas. As, el componente irregular recoge oscilaciones aleatorias (no sistemticas) que slo afectan a la serie en el momento en que ocurren, mientras que el componente estacional recoge aquellas oscilaciones con periodicidad submltiplo del ao y con media cero. Ahora bien, podemos extraer estos componentes (seales)? Cmo? A responder a estas cuestiones dedicamos este tema. TEMA 6: Caracterizacin de los aspectos esenciales de un fenmeno econmico 6.1-Introduccin. 6.2- Incertidumbre, actualizacin y variabilidad en los componentes de un fenmeno econmico. 6.3- La evolucin subyacente de un fenmeno econmico. 6.4- Descomposicin de la parte determinista de una serie temporal

Descripcin del tema: Se trata de analizar cmo pueden caracterizarse los aspectos esenciales de un fenmeno econmico mediante las tcnicas estadsticas de extraccin de seales introducidas en el tema anterior. A este respecto, bebe recordarse que, tal y como sealbamos, los componentes estacional e irregular contienen oscilaciones de escaso inters econmico, por lo que no son relevantes desde el punto de vista del analista de coyuntura, sin embargo, no sucede lo mismo con los otros dos componentes (tendencia y ciclo) que recogen la parte de la serie que est relacionada con factores de largo plazo. Un concepto fundamental, por tanto, para el anlisis de coyuntura es el de evolucin subyacente de la serie que puede obtenerse considerando o bien la serie ajustada de estacionalidad o bien, lo que aparece ms adecuado, ajustando tanto el componente estacional como el irregular y, por lo tanto, analizando la evolucin del componente ciclo-tendencia de la serie. El tema finaliza prestando atencin a cmo asignar a cada una de las seales los componentes deterministas de una serie temporal, entre los que se incluyen los efectos calendario y otras variables ficticias que podamos haber incluido en la modelizacin. TEMA 7: Tasas de crecimiento y la velocidad subyacente en la evolucin de un fenmeno econmico 7.1- Consideraciones generales sobre las tasas de crecimiento en series econmicas. 7.2- Tasas anuales de crecimiento. Su asignacin mensual. 7.3- La asignacin mensual de los crecimientos anuales. 7.4- El centrado de las tasas de crecimiento. 7.5- Propuesta para medir el crecimiento subyacente. Descripcin del tema: En este tema se aborda el problema de cmo medir el crecimiento de los fenmenos econmicos, de modo que las mediciones resultantes sean indicadores tiles en el anlisis de coyuntura para evaluar y diagnosticar la evolucin de un fenmeno econmico. El tema comienza planteando cmo el crecimiento econmico es, en s mismo, una magnitud de inters sustantivo y se concluye con una propuesta relativa a la forma adecuada de medir el 1 crecimiento subyacente de un fenmeno econmico a travs de la tasa T12 de su tendencia, centrada y calculando sus ltimos valores mediante el uso de predicciones. TEMA 8: Metodologa para realizar adecuadamente anlisis de coyuntura econmica. 8.1- Esquema general de la metodologa propuesta. 8.2- Interpretacin de los resultados cuantitativos bsicos para la evolucin de la situacin coyuntural. 8.3- Cuadros y grficos sobre los resultados cuantitativos bsicos de utilidad en un informe de coyuntura. 8.4- Ejemplos prcticos.

Descripcin del tema: Exposicin sistemtica de la propuesta metodolgica que se plantea para elaborar un anlisis riguroso de la coyuntura econmica, que posibilite el anlisis ms objetivo posible de cualquier informe de coyuntura, entendiendo que para ello, ste debe realizarse (a) a partir de la informacin adecuada sobre el fenmeno en cuestin, (b) enmarcndolo en un contexto terico de aceptacin suficientemente generalizada, y (c) basndolo en un conjunto de resultados cuantitativos suficientemente contrastados. El esquema de la metodologa propuesta parte de una enumeracin de los objetivos que se pretenden en un anlisis de coyuntura, centrndose los mismos en la determinacin de lo que se denominan aspectos esenciales en la evolucin de un fenmeno econmico, y que han de ser extrados de los datos originales. Para todo ello, se requiere la aplicacin de tcnicas estadstico-economtricas que han sido estudiadas a lo largo del curso. TEMA 9: Programa informtico: DEMETRA 9.1- Qu es DEMETRA? 9.2- Descripcin detallada del mdulo automatizado. 9.3- Descripcin detallada del mdulo de anlisis detallado. 9.4- Instrucciones para la preparacin del input y la interpretacin de los resultados (output). 9.5- Tratamiento de series especialmente difciles bajo el mdulo automatizado y detallado Descripcin del Tema: Se trata con este tema de proporcionar al alumno la herramienta imprescindible para poder aplicar la metodologa propuesta para el anlisis ce coyuntura econmica, tal y como se sistematiza en el tema anterior. Para ello, se introduce un software especfico: el programa DEMETRA, a cuyo estudio e implementacin prctica dedicamos el tema final del curso.

BIBLIOGRAFA AZNAR, A. y TRVEZ, F. J. (1993): Mtodos de prediccin en Economa. Ed. Ariel. Barcelona. BOX, G. E. M., JENJKINS, G. M. y REINSEL, G. (1994): Time Series Analysis: Forecasting and Control (Third Edition). Prentice Hall. CHEN, C. y LIU, L. M. (1993a): Joint Estimation of Model Parameters and Outlier Effects in Time Series. Journal of the American Statistical Association, 88, 284-297. CHEN, C. y LIU, L. M. (1993b): Forecasting Time Series with Outliers. Journal of Forecasting, 12, 13-35. ESPASA, A. y CANCELO, J. R. (1993): Mtodos cuantitativos para el anlisis de la coyuntura econmica. Ed. Alianza. Madrid.

ESPASA, A. y CANCELO, J. R. (1994): Mtodos estadstico-economtricos para el anlisis de la coyuntura econmica. Ed. Eustat. Vitoria. FERNANDEZ-MACHO, F .J. (1988): Modelos estructurales de series temporales: una aplicacin al anlisis y prediccin de agregados monetarios y fiscales. Economa Pblica, 1, 47-65. FERNANDEZ-MACHO, F. J. (1991): El crecimiento subyacente en variables econmicas. Estadstica Espaola, 33, 73-98. LEDOLTER, J. (1989): The Effect of Additive Outliers on the Forecasts from ARIMA Models. International Journal of Forecasting, 5, 231-240. MARAVALL, A. (1987): Descomposicin de series temporales: especificacin, estimacin e inferencia. Estadstica Espaola, 114, 11-69. MARAVALL, A. (1989): La extraccin de seales y el anlisis de coyuntura. Revista Espaola de Economa, 6, 109-130. MARAVALL, A. y PIERCE, D. A. (1986): The Transmission of Data Noise into Policy Noise in U.S. Monetary Control. Econometrica, 54, 961-979. PAVIA, J. M., CABRER, B. y FELIP, J. M. (2000): Estimacin del VAB trimestral no agrario de la Comunidad Valenciana. Ed. Generalitat Valenciana. Valencia. TRIVEZ, F. J. (1994a): Efectos de los distintos tipos de outliers en las predicciones de modelos ARIMA. Estadstica Espaola, 135, 21-58. TRIVEZ, F. J. (1994b): Efectos de los outliers innovacionales en las predicciones puntuales y por intervalo de los modelos ARIMA. Revista Espaola de Economa (Segunda poca), 11, 311-321. TRIVEZ, F. J. (1995): Level Shifts, Temporary Changes and Forecasting. Journal of Forecasting, 14, 543-550. TRVEZ, F. J. (2001): Modelizacin economtrica con datos de alta frecuencia: una visin de sntesis. En Cabrer, B. (ed.): Anlisis Regional. Ed. MundiPrensa. Madrid. Pgs. 335-351. TRVEZ, F. J. y NIEVAS, J. (1996): Comportamiento en muestras pequeas de los atpicos innovacionales: un ejercicio de simulacin. Estudios de Economa Aplicada, 5, 161-175. TRVEZ, F. J. y NIEVAS, J. (1998): Analyzing the Effects of Level Shifts and Temporary Changes on the Identification of ARIMA Models. Journal of Applied Statistics, 25, 409-424. TSAY, R. S. (1986): Time Series Model Specification in the Presence of Outliers. Journal of the American Statistical Association, 81, 132-141. TSAY, R. S. (1988): Outliers, Level Shifts, and Variance Changes in Time Series. Journal of Forecasting, 7, 1-20.

PUBLICACIONES DEL RESPONSABLE DEL CURSO RELACIONADAS CON EL CONTENIDO DEL MISMO (hasta un mximo de 6). TRIVEZ, F. J. (1994a): Efectos de los distintos tipos de outliers en las predicciones de modelos ARIMA. Estadstica Espaola, 135, 21-58. TRIVEZ, F. J. (1994b): Efectos de los outliers innovacionales en las predicciones puntuales y por intervalo de los modelos ARIMA. Revista Espaola de Economa (Segunda poca), 11, 311-321. TRIVEZ, F. J. (1995): Level Shifts, Temporary Changes and Forecasting. Journal of Forecasting, 14, 543-550. TRVEZ, F. J. (2001): Modelizacin economtrica con datos de alta frecuencia: una visin de sntesis. En Cabrer, B. (ed.): Anlisis Regional. Ed. MundiPrensa. Madrid. Pgs. 335-351. TRVEZ, F. J. y NIEVAS, J. (1998): Analyzing the Effects of Level Shifts and Temporary Changes on the Identification of ARIMA Models. Journal of Applied Statistics, 25, 409-424.