ESTADISTICA ESPAOLA

Voi. 34, Nm. 130, 1992, pgs. 309 a 346

Agregacin temporal y solapamiento
o aliasing
por
FRANCISCO MELIS MAYNAR
Instituto de Estudios Fiscales
RESUMEN
Las oscilaciones semanales de los procesos econmicos y so-
ciales aparecen en las series mensuales como oscilaciones alias
de 2.87 meses. Este perturbador efecto trading-day es el resultado
del mtodo habitual, muy ineficiente, de construccin de series men-
suales camo suma de valores diarios. Este trabajo examina el fen-
meno del aliasing o solapamiento desde una perspectiva frecuencial
y proporciona procedimientos para obtener el perodo alias en la
serie agregada de cualquier posible ciclo en la serie original.
La agregacin o muestreo temporal y el problema inverso de
interpolacin se analiza a la luz del Teorerna del muestreo temporal
uniforme. Se presenta una interpolacin autorregresiva de pasa
bajo y se critica la agregacin con suma mvil por el alto ruido
inducido por solapamiento en la serie muestral.
Se recomienda un filtro de premuestreo obtenido como producto
de un autorregresivo de paso bajo y el filtro de ciclo-tendencia
basado en un modelo de lneas areas. Este ltimo se obtiene con
un procedimiento frecuencial ms sencillo que la descomposicin en
fracciones parciales utilizada hasta ahora.
Se ilustra el uso del periodograma rnvil para la deteccin de
oscilaciones alias y se postula de este modo la existencia de un
Z I1) F^!+T-^1)I`^1II A t`+1'A111 A
ciclo diario en el Indice de Produccin Industrial que se solapa con
las oscilaciones de 2.28 meses.
Palabras clave.^ Agregacin temporal, muestreo uniforme, interpolacin
de paso bajo, aliasing^ , trading-day, cclo semanal, filtro
autorregresivo, filtro modelo-basado, periodograma mvil.
Clasificacin AMS: 62P20, 90A16, 90A20.
INTRODUCCION (*)
Llamamos agregacin temporal, muestreo uniforme temporal o diezmo al
proceso de transformacn de una serie ternporal formada por observaciones
equidistantes y separadas por 1 unidad de tiempo en otra equiva/ente de valo-
res separados por s unidades de tiempo, siendo 1/s la tasa de muestreo. EI
paso, por ejemplo, de una serie diaria a la correspondiente serie mensual o de
una serie trimestral a la serie anual asociada.
En variables de tipo fondo o stock, como las de poblacin o de capital, el
proceso de agregacin es un muestreo uniforme puro, pero en las variables de
tipo flujo o corriente se realiza previamente un proceso de surna o promedio
mvil. As, la serie anual de produccin industrial puede contemplarse como el
resultado de aplicar a la serie mensual de produccin una suma mvil de 12
trminos y muestrear despus a una tasa de 1/12.
EI trmino equivalente subrayado en la definicin del proceso de muestreo
hace referencia al teorema del muestreo uniforme en el dominio del tiempo, que
afirma que un proceso cantnuo puede representarse correctamente por mues-
tras separadas por s unidades de tiempo si, y slo si, el proceso no contiene
oscilacones de perodo inferior a 2s unidades de tiempo. Si el proceso original
posee oscilaciones de perodo inferior a dos veces el de muestreo, stas se
reflejarn en la serie agregada solapndose con oscilaciones de perodo supe-
rior a dos veces el perodo de rnuestreo.
Una serie mensual representa correctamente el proceso econmico corres-
pondiente si ste no posee oscilaciones de perodo inferior a dos meses.
Cuando stas existen, como ocurre en la mayor parte de !os procesos econmi-
cos, la muestra o serie agregada estar perturbada por ei efecto de solapamiento.
(*) EI autor agradece los camentarios de Enrique Quilis y Alfredo Cristbal, del Area de
Contabilidad Trimestral del INE. Alfredo Cristbal ha programado el filtro de premuestreo o de
ciclo-tendencia que se recomienda en el articulo integrndolo con la estimacin del modelo de
I neas areas.
EI autor agradece, asirnismo, las observaciones de un evaluador annimo.
A(^RE(iA('ION T'EMPO^At. Y SOI.APAMIFNTO (} AL_IASIN(i _^ 1 I
Un ciclo diario (el ciclo circadiano) se reflejar en las series rnensuales
como una oscilacin de 2.28 meses, y un ciclo semanal, ei ms conocido en la
literatura de series de tiempo, se confundir con las oscilaciones de 2.87
meses.
EI efecto de estas oscilaciones inducidas por aliasing o solapamiento puede
perturbar sensiblemente e1 seguirniento y la prediccin dei proceso, ya que,
como ha mostrado Young ( 1965), en algunas series econmicas su impacto
sobre el crecimiento de un mes al siguiente supera al efecto estacional.
Este articulo analiza el proceso de muestreo y el proceso inverso de
interpolacin bajo el prisma del muestreo uniforme de seales anaigicas o
procesos continuos y propone procedimientos de premuestreo capaces de eli-
minar el riesgo de solaparniento. No se investigan las posibilidades de otras
estrategias de muestreo distintas al muestreo uniforme como las citadas por
Priestley ( 1981, epgrafe 7.1.1).
Ms concretamente, el presente trabajo se propone:
a) Presentar el fenmeno del aliasing^ , una de cuyas manifestaciones ms
espectaculares y perturbadoras en series econmicas es el trading-day o efecto
de ciclo semanal en 1as series mensuales. En el primer epgrafe se proporciona
un procedimiento algebraico para determinar el perodo alias en la serie
agregada de un ciclo de perodo conocido en la serie original.
En el segundo epigrafe se estudia la relacin entre el eje de frecuencias de
la serie original y el de la serie muestral o agregada y se presenta el diagrarna
de doblamiento que permite la identificacin grfica del alias de una oscilacin
de per odo conocido.
b) Establecer las condiciones necesarias para realizar un muestreo correc-
to o libre de solapamiento. En el tercer epigrafe se enuncia el teorema del
muestreo uniforme en el dominio del tiernpo que determina las condiciones de
equivalencia entre la serie original y la muestra o serie agregada. EI teorema es
la base de un procedimiento de interpolacin poco conocido en el campo de
series econmicas denominado interpolacin de paso bajo, que se ilustra con la
trimestralizacin de las variaciones anuales del Producto Interior Bruto a pre-
cios de mercado (PIBpm) a precios constantes.
En el epigrafe 4 se analiza y critica el procedimiento habitual de ag^-egacin
temporal por suma o promedio de los valores de la serie de partida. Una serie
mensual puede considerarse como una suma mvil de 30.4 trminos de una
serie diaria muestreada posteriormente a una tasa de 1/30.4. En variables de
flujo la agregacin temporal implica filtrado y muestreo posterior, y en las series
de stock la agregacin temporal se reduce al muestreo.
; ^ ? l^tiT,AUIti"11( ^1 I tif'^N( ^ I..A
En este mismo epgrafe se demuestra que el empleo de sumas mviles
introduce un exceso de ruido o de oscilaciones de alta frecuencia en la serie
agregada.
d) En el epgrafe 5 se proponen sistemas de agregacin temporal ms
eficientes que el habitual y se sealan los puntos de contacto entre el problema
de muestreo anual de series temporales y el problema de la extraccin del
componente de ciclo-tendencia.
EI filtro de premuestreo que se propone en este epgrafe como alternativa a
la suma o media mvil simple es una modificacin del filtro de ciclo-tendencia
obtenido por descomposicin de un rnodelo de lneas areas en la lnea ya
abierta por Grnez y Melis (1989). Se presenta un procedimiento de clculo de
los parmetros del filtro de ciclo-tendencia modelo-basado que elimina la nece-
sidad del proceso de descomposicin en fracciones parciales, utilizado por
Burman (1980) y Maravall (1987).
En este mismo epgrafe se compara ta muestra anual del ndice mensual de
produccin industrial (IPI) obtenida con el procedimiento habitual con la obteni-
da con el muestreo propuesto de paso bajo.
e) En el ltirno epgrafe se presenta el periodograma mvil como la tcnica
idnea para la identificacin del solapamiento y se sugiere la existencia, en la
serie mensual de produccin industrial, de un alias de un ciclo circadiano (da-
noche).
La observacin del aliasing sobre el periodograma sugiere un procedimiento
de estimacin del trading-day ms eficiente que el actuai.
1. AGREGACION TEMPORAL Y SOLAPAMIENTO
Consideremos la sucesin temporal:
{X^} t=1, 2 , . . . , N
formada por observaciones tomadas a intervalos uniformes de 1 unidad de
tiempo (ut).
La sucesin:
{ Y^} T=1, 2 , . .
YT^Xs( T-1)+K
, n con n=N/s y
K=1, 2, ..., s
es una muestra o agregacin de X^ con una tasa de muestreo de 1/s formada
con los valores:
,^1(^ttl?c^,^1('I^)N TF?MPOR,11 ti' tic)1.^11'AMIF^Ntt) 1^ ^11 1^1ti1^1^, ^ ^,^
Y^=XK, T2=/\k+S, Y3^^ /^k+2s, ..., ^
^^^k+(n1)s
separado por s ut.
Llamamos agregacin temporal o muestreo temporal a una tasa 1!s al proce-
so de transformacin de la serie temporal {X^} en la serie {YT},e interpolacin o
desagregacin temporal al proceso inverso.
En el caso de variables de tipo flujo (produccin, gasto, rentas, etc.), la
agregacin temporal se realiza usualmente formando una suma mvil de s
trminos antes de muestrear, de forma que la serie muestra est formada por
sumas sucesivas de s elementos de la serie original, pero en las variables de
tipo fondo (poblacin, capital, etc.) el proceso de agregacin temporal se reduce
al muestreo. En el epgrafe 4 se estudia el efecto de la suma mvil sobre la serie
agregada, y en este epgrafe se consideran los problemas planteados por el
muestreo temporal puro.
EI principal problema planteado por el muestreo temporal esel que se
conoce en la literatura de tratamiento de sealescomo aliasing o solapamiento,
y en la literatura de serieseconmicascorno efecto trading-day o impacto del
ciclo semanal sobre lasseriesmensuales. Para introducir directamente el pro-
blema, considrese una sucesin sinusoidal con un perodo de 15 meses:
Xt=cos(2nt/15)
Si tomamos uno de cada 12valores de esta sucesin, la serie formada por
estas muestras tomadas a intervalos uniformes de 12meses, representada en
la figura 1.A por crculos, es una oscilacin sinusoidal de 5 aos (60 meses).
Por esta razn decimos que en el muestreo anual de una serie mensual, las
oscilaciones de 15 meses se confunden o solapan con las oscilaciones de cinco
aos.
En el ejemplo expuesto, el perodo de la oscilacin original es superior al
perodo de muestreo, pero el caso ms usual de aliasing aparece con oscilacio-
nes de perodo inferior al de muestreo. Supngase, por ejemplo, una serie
trimestral formada por una oscilacin de perodo de 24/7=3.43trimestres. En la
figura 1.B puede verse que, tomando una observacin a intervalos uniformes de
4 trimestres, la serie anual obtenida es una sinusoidal de 6 aos. En el muestreo
anual de una serie trimestral, las oscilaciones del perodo 3.43trimestres (infe-
rior al perodo de muestreo) se confunden o solapan con las oscilaciones de 6
aos.
H.tiT'AL)ISTI('A L:^{'AfV(.)LA
Figura 1.A
SO^APAMIENTO O ALIASING DE LOS CICLOS DE 15 MESES Y 5 AOS
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
-0.1
-0.2
-0.3
-0.4
-0.5
-0.6
-0.7
-0.8
-0.9
-1
0 4 8 12 16 20 24 28 32 36
COS (2 nt/15) + cos (2 nt/60)
Figura 1.B
SOLAPAMIENTO O ALIASING DE LOS CICLOS DE 3.43 TRIMESTRES
Y 6 AOS
1
a.s
0.8
0.7
o.s
0.5
0.4
0.3
a .2
0.1
0
-0.1
-0.2
-0.3
-0.4
-0.5
-0.6
-0.7
-0.8
-0.9
-1
0 4 8 12 16 20 24 28 32 36
^ .J COS (2 nt/3.43) + cos (2 nt/24)
A(^Ftt:(;A('1()N 7'f:M^()ItAI.. Y tit)(,APAMIENT() t) AL.IAtiIN(^
En ambas casos, oscilaciones del proceso original irrelevantes desde el
punto de vista de la coyuntura se confunden con oscilaciones de 5 a 6 aos, de
forma que el analista de la serie anual interpretar como oscilaciones ciclicas lo
que es el resultado de un prceso de muestreo ineficiente.
Si el proceso posee, como la mayor parte de ios procesos econmicos, un
ciclo semanal, la serie mensual formada por valores tomados a intervalos de
30.43 dias presentar una oscilacin 2.87 meses y el analista tender a aceptar
como variaciones mensuales relevantes del proceso (o como irregularidad o
ruido de la serie mensual) la perturbacin sistemtica inducida por el muestreo
ineficiente.
Si ia sucesin original {Xt} se rnuestrea a una tasa de 1/s para formar la
sucesin {YT}, las oscilaciones de la serie original de periodo superior o igual a
2s unidades de tiempo no plantean problemas, ya que un ciclo de 2s ut en la
serie original se abservar coma un ciclo de 2 unidades de tiempo en la muestra
(designaremos en adelante como utm=s ut la unidad de tiempo de ia serie
muestra).
Por el contrario, todas las oscilaciones de perodo inferior a 2s unidades de
tiempo en la serie original se observarn en la serie agregada confundidas o
solapadas con oscilaciones de periodo igual o superior a 2 utm.
Sea p<2s ut el perodo de la oscilacin de la serie original y P=pls utm el
mismo periodo expresado en unidades de tiempo de la serie agregada con 1
utm=s ut.
EI perodo Pa alias de p en la serie muestral es:
P^=2/[(2/P)-ENT(2/P}] si MOD[ENT(2/P},2]=0
=2/[1 +ENT(2/P)-(2/P)] si MOD[ENT(2/P),2]^0
Apliquemos la expresin a los casos considerados en las figuras 1.A y 1.B y
a otros casos de mayor inters.
Caso 1. Alias del ciclo de 15 meses en la serie anual
ut=1 mes, s=12, utm=s ut=1 ao.
P=p/s=15/12=1 1/4 aos, 2/P=8/5=1 3/5.
MOD[ENT(2/P),2]=1, Pa=2/[2-(2/P)]=5 aos.
.^ IE^ F ti1 AI)ItiTI(':1 ttiP.A!VOt.A
Caso 2. Alias del cicl de 2417=3.43 trimestres en la serie anual
ut=1 trimestre, s=4, utm=s ut=1 ao.
P=p/s=6/7 aos, 2/P=7/3=2 1 /3.
MOD[ENT(2/P),2]=0, Pa=2/[(2/P)-ENT(2/P)]=6 aos.
Caso 3. Alias del ciclo semanal en la serie mensual
ut=1 da, s=(4*365+1)/48=30.4375, utm=1 mes.
P=p/s=7/30.4375=1 / 4.348 meses, 2/P=8.696.
MOD[ENT(2/P},2]=0, Pa=2/[8.696-8]=2.873 meses.
Caso 4. Alias del ciclo da-noche en la serie mensual
ut=1 da, s=(4*365+1)/48=30.4375, utm=1 mes.
P=p/s=1/30.4375 meses, 2/P=60.875.
MC}D[ENT(2/P),2]=0, Pa=2/0.785=2.286 meses.
Caso 5. Alias de /as oscilaciones estaciona/es de una serie trimestral
en /a serie anual
ut=1 trimestre, s=4, utm=1 ao.
p=4 (armnico estacional fundamental}.
P=1 ao, Pa=2l0=infinito.
p=2 (segundo armnico estacional).
P=1/2 ao, Pa=2/0=infinito.
As, las oscilaciones estacionales inducen una oscilacin alias de per0do
infinito que se confunde can la media de la serie anual {el valor del periodograma
en la frecuencia cero es proporcional a la media de la serie). Dicho en otras
palabras: la estacionalidad no introduce aliasing pero afecta a la media de la
serie agregada. La serie anual de entrada de extranjeros formada por los datos
de los sucesivos agostos posee un nivel muy superior al de !a serie formada por
los sucesivos eneros.
A(;kF(;A('I(^N ^'E.MP(^k.11, ti' ^;cfl.A[^AR1tt-.NT( ^ c^,16.1Ati1^1(;
2.
EL EJE DE FRECUENCIAS DE LA SERIE MUESTRAL Y EL DIAGRAMA
DE DOBLAMIENTO
^17
La expresin dei alias Pa utm de ia oscilacin de p ut expuesta en el epgrafe
anterior es la traduccin algebraica del diagrama de doblamiento del eje de
frecuencias de Otnes y Enochson ( 1978) ( pg. 27}, utilizado en Melis (1986)
(epgrafe 3.3) para describir el fenmeno de solapamiento.
EI eje de frecuencias de una serie temporal, sobre el que est definido el
periodograma o espectro emprico de la serie, es el intervalo (0, n). Una oscila-
cin de periodo de p ut posee una frecuencia rotacional de 11p ciclos/ut y una
frecuencia angular de 2n/p radianes y, en lo sucesivo, describiremos las oscila-
ciones indistintamente por su perodo, su frecuencia angular o su frecuencia
rotacional. La frecuencia cero se corresponde con las oscilaciones de perodo
infinito recogidas por la media de la serie, de forma que el valor del periodograma
o espectro emprico de una serie en la frecuencia cero es proporcional al
cuadrado de la media. La frecuencia mxima ( n-2n/2), conocida como frecuen-
cia de doblamiento o frecuencia de Nyquist, se corresponde con las oscilacio-
nes de 2 ut, y el valor del periodograma en n es proporcional al cuadrado de:
X^-X2+X3-X4+... si N es par [ver Melis (1986)]
Supngase que la serie original es trimestral y la tasa de muestreo 1/4. En la
parte inferior de la figura 2 se representa el eje de frecuencias de la serie
trimestral. En una serie econmica tpica la varianza o potencia estar concen-
trada en la banda ( 0,2n/8) correspondiente al componente de ciclo-tendencia y
en los entornos de 2n14 y 2n/2 correspondientes al armnico estacional funda-
mental y al segundo armnico estacional.
EI eje de frecuencias de la serie muestral anual, representado en la parte
superior de la figura 2, es ia cuarta parte del eje de frecuencias original, y su
frecuencia mxima o de doblamiento asociada a los ciclos de dos aos se
corresponde con la frecuencia 2n/8 de la serie trimestral.
Toda la informacin de la serie trimestral contenida en la banda:
( 0, 2n/2s)=( 0, 2n/8)
se mantendr sin modificacin en la serie anual, de forma que los valores del
periodograma de la serie anual sern, en principio, iguales a los de la banda
citada de la serie trimestral.
No obstante, si en la serie trimestral existe i nformacin en la banda ( 2n/8, n),
es decir, relativa a oscilaciones de periodo inferior a dos aos, se confundir en
la serie anual con oscilaciones del perodo igual o superior a dos aos, como se
indica en la figura 2.
I^:tiTAI)I!^TI('A 1^tiPA()l.A
Figura 2
EJE DE FRECUENCIAS Y MUESTREO TEMPORAL
Frecuencia angular
Perodos (aos)
Frecuencia angular
2^ 2n 2n
Eje frecuencias
serie muestral (anual)
Eje frecuencias
serie trimestral
16 8
Periados (trimestres) 16 8
4
4
Ya se ha vsto que las oscilaciones de 3.43 #rimestres se confunden con las
de f aos, y las de 4 y 2 trimestres, correspondientes a las frecuencias
estacionales, se confunden con la frecuencia cero de la serie anual. EI cuadro 1
recoge los solaparnientos ms significativos que se producen en la conversin
de una serie trirnestral en anual.
Cuadro 1
TABLA DE SOLAPAMIENTOS AL ANALIZAR UNA SERIE TRIMESTRAL
Perodo en la serie trimestral
Perodo ^ralias
en la serie anual
En ut En utm En utm
p trim P aos Pe aos
24/12=2 6/12=0.5 Inf.
24/11=2.18 6/11=0.54 6
24/10=2.4 6/10=0.6 3
24/9=2.66 6/9=0.66 2
24/8=3 6/8=0.75 3
24/7=3.43 6/7=4.86 6
24/6=4 1 I nf.
24/5=4 .8 6/5=1. 2 6
24/4=6 6/4=1.5 3
24/3=8 6/3=2 2
A(i[ZF,'GA('ION TEMPORAI,. ti' SOLAPAMIE',NTO O AL.tAti[N<i ^ j^I
La tabla indica que el efecto per#urbador introducido por el solapamiento
puede afectar a todas las frecuencias de la serie anual, de forma que si existe,
como es usual, informacin en la serie trimestral correspondiente a la banda
(2n/8, n), el periodograma de la serie anual ya no coincidir con el de la serie
trimestral en ia banda {o, 2^c/8).
EI diagrama de doblamiento de la figura 3 indica que el eje de frecuencias de
la serie agregada podemos contemplarlo como el resultado de:
a) Doblar sobre s mismo, a la manera de un acorden, el eje de frecuen-
cias de la serie original en tramos de longitud 2n/2s.
b) Proyectar sobre el primer tramo (o, 2n/2s) (que se convierte en el eje
(o, n) de la serie agregada] las frecuencias superiores a 2n/2s.
Figura 3
DIAGRAMA DE DQBLAMIENTO
8n
r i ^ ^ ^
i i i i: i
i i i i; i
6 n ,rt
4n
i i i i: i
i i i i' i
i i i i-i
i i i i i
i-^ ^ i i' i
5n
3n
Frec. angular
2n 2n 2n 2n 2n
2^ -n Radianes
12 6 4 3 2.4 2
Frec. rotacional
1 1 1 1 1 1
Ciclos/ut.
1 2 6 4 3 2.4 2
Periodos 1 2 6 4 3 2.4 2 Ut.
^Ciclo de 1 4^ alias 2n/6
6
Ciclo de 2 2 n alias 2^c/5
5
X Ciclo de 8.6 96 ^ alias 2n/2.873
^?O I^.ti i nl)Iti I I( A F^P,^^!V1 )1, ^1
Para identificar en el eje de frecuencias de la serie agregada la frecuencia
alias de una oscilacin de frecuencia superior a n(superior a 2n/2s en la serie
original) es necesario:
aj Expresar e1 perod0 p de la oscilacin original en unidades de tiempo de
la serie agregada (utm).
b} (^btener la frecuencia angular correspondiente y situarla en el eje do-
blado.
c} Proyectar dicha frecuencia sobre el tramo inferior.
Sea, por ejemplo, una oscilacin de perodo P=6/5 utm y frecuencia angular
2n/P=10n/6=1 4n/6 representada con un crculo en la figura 3. Esta oscilacin
podra corresponder a un ciclo de p=sP=24/5=4.8 trimestres si la serie original
fuese trimestral, o de 72I5=14.4 meses si la serie original fuese mensual.
La proyeccin de 1 4n/6 sobre el tramo (0, n) es 2n/6 correspondiente a los
ciclos de 6 aos, de modo que es ste ei alias de 4.8 trimestres (o de 14.4
meses) en un rnuestreo anual.
Las oscilaciones de 20/6 trimestres (0 10 rneses) tienen un perodo P expre-
sado en aos de 5/6. La frecuencia angular correspondiente es 12n/5=2 2n/5 y
est representada con un cuadrado en la figura 3. EI alias es 2n/5 correspon-
diente a los ciclos de 5 aos.
Un perodo p de 7 das expresado en meses es P=7/30.4375=1/4.348. La
frecuencia angular es 8.fi96n, representada con un aspa en la figura 3, y su
proyeccin sobre {0, n) es 0.696n=2n/2.873 correspondiente a los ciclos de
2.873 meses.
La frmula de Pa utilizada en el epgrafe anterior es la expresin algebraica
de esta proyeccin y el diagrama ilustra el origen del trmno de frecuencia de
doblamento que se asigna a la mxima frecuencia de una serie: todas las
frecuencias superiores a n se sitan en e! eje doblado sobre n y se proyectan
sobre (0, n).
3. EL TEOREMA DEL MUESTREO UNIFORME EN EL DOMINIO DEL TIEMPO.
LA INTERPOLACION DEL PASO 6AJ0
EI teorema del muestreo uniforme en el dominio del tiempo [ver, por ej., Hsu
(1973), pg. 151] afirma que una funcin f(t) se puede determinar por completo
por sus valores separados por intervalos uniformes de s ut si, y slo si, no
contiene componentes de frecuencias superiores a:
W=1 /(2s) oscilaciones por unidad de tiempo.
A(;RE:(iA('ION TEMF'OEtAL ti' SOl_AF'AMEE^N'Tt) O AI_IA^IN(;
Es decir, si es de banda limitada al intervalo (0, W).
Si la serie contiene oscilaciones de perodo inferior a 2s ut, la muestra a una
tasa 1/s contendr oscilaciones perturbadoras inducidas por solapamiento.
EI teorema indica que el procedimiento tcnicamente correcto de agregacin
temporal de una sucesin {Xr} a otra {YT} obtenida con una tasa de muestreo de
1/s exige los pasos siguientes:
a) Estudiar sobre el espectro emprico de {Xf} la existencia de potencia en
la banda (2n/2s, n).
b) Si existe potencia en la banda citada, someter la sucesin a un filtro de
paso bajo que tenga ganancia cercana a la unidad en la banda (0, 2n/2s) o
banda de paso y ganancia cercana a cero en la banda de rechazo (2n/2s, n).
c) Muestrear la serie filtrada.
e
En el caso de variables fluja, el proceso de agregacin temporal usual
(incorrecto, como se ver) se compone de dos subprocesos:
1) Aplicacin a{X^} de una surna mvil de s trminos.
2) Muestreo a 1/s de la serie f^ltrada.
Este proceder implica una cierta reduccin del fenrneno del solapamiento,
ya que la suma mvil de s trminos es una aproximacin a un filtro de paso bajo
de paso (o, n/s). En particular, la patencia de las frecuencias estacionales
2nK/s(K=1, 2, ..., s/2) se elimina, pero la suma mvil de s trminos conserva
gran parte de la informacin en (^c/s, n), por lo que no impide totalmente el
solapamiento.
EI teorema del muestreo uniforme no slo indica la condicin n^ecesaria para
obtener una muestra tcnicamente correcta de la serie original, evitando el
solapamiento, sino que permite contemplar el problema de la interpolacin o
desagregacin de series desde una nueva perspectiva. De hecho, la conocida
como interpolacin de paso bajo es una aplicacin directa del tearema del
muestreo uniforme y consta de las dos etapas siguientes:
a) Intercalar s-1 ceros entre los valores de la serie original multiplicados
por s. EI espectro emprico de esta serie intercalada coincide en la banda (0, 2^/
2s) con el de la serie original.
b) Someter la serie intercalada a un filtro de paso bajo que aproxime o
extraiga la banda citada. La salida del filtro es la serie interpolada.
Para obtener una versin trimestral de una serie anual bastar intercalar
ternas de ceros en la serie anual (multiplicada por cuatro) y someter la serie
F^,ST'ADI^TIt'A h:S^'AlVt1l A
6
5
4
c ^
^ 3
c ^
c
.o
U 2
t 0
1
0
1
0
Figura 4.A
INTERPOLACI^N PASOBAJO DEL PIBpm
Intrporlador: ARMA (6,6) Butterworth
^
r-rr
75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
Aos
r--^ -^ T ^ .' ...1
Figura 4.B
iNTERPOLACIN PASOBAJO DEL PIBpm
Interporlador: ARMA (5,9} (LAM)
_ 1
-^---_ -_ ^..-..^....^_ _
75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90
Aos
A<^itf-(^A('I( ^ N ^(^ t^MPOkAL YSOI.APAti11E^:N7^Ot ^ AL..IAtiIN(, ^?i
intercalada un filtro de paso bajo que aproxime la banda (0, 2n/8). Intercalando
once ceros entre los sucesivos valores de la serie anual (multiplicada por doce}
y aplicando un filtro aproximador de la banda (o, 2^c/24}, obtendremos una
versin mensual de la serie anual.
Las figuras 4.A y 4. B recogen la trimestralizacin de las tasas de crecimien-
to del PIBpm anual a precios constantes, para el perodo 1975-1990. Se ha
estimado un crecimiento del 3.5% en 1990 y se ha utilizado una previsin para
1991 del 2Io.
La trimestralizacin se ha realizado con dos filtros distintos:
La interpolacin representada en la figura 4.A utiliza un ARMA(6,6) de la
familia Butterworth de la tangente de potencia mitad en 2n/8 y desfase (d) de
cinco trimestres, de expresin:
b (1 +B)^
Y`! 1+a B+a B2+. ..+a B6 xr+'
1 2 6
cuyos parmetros se recogen en el cuadro 2. (Advirtase que este filtro no
podra emplearse sobre una serie con estacionalidad.) Como valores iniciales
se toma:
4
Y^=Y2=Y3=Y4=Y5=Y6-^
j=1
X (primer valor anual)
Estos valores iniciales no son ptimos y el filtro tarda 4 aos en proporcionar
la respuesta en estado estacionario. Por ello, el proceso se ha iniciado en 1970
aun cuando en la figura slo se recoge el perodo 1975-90. Una solucin
alternativa, ms eficaz, consiste en realizar una primera pasada del filtro hacia
atrs (de 1991 hacia 1975, tomando el crecimiento de 1991 como valor inicial) y
obtener de este modo unos valores iniciales ptimos o correspondientes a la
respuesta estacionaria.
Cuadro 2
FILTRO ARMA (6,6) BUTTERWORTH DE INTERPOLACION TRIMESTRAL
d b a ^ a 2 a ^
5 0.0010516 -2.97853 4.136081 -3.259764
a 4 a 5 a 6
1.5172788 -0.3911 17 0.043357
ESTAUISTI('A F;SPAOi.A
En !os filtros de la familia Butterworth los parmetros dependen de la deno-
minada frecuencia de potencia mitad, es decir, de aquella para ia cual el
cuadrado de la ganancia es 1/2. EI filtro expuesto posee potencia 1/2 en la
frecuencia 2n/8 correspondiente a las 8 trimestres de perodo. EI clculo de los
parmetros para una frecuencia de potencia mtad prefjada puede verse en
Otnes y Enochson (1978) o en Melis (1983).
Se utiliza para este propsito un 8utterworth de la tangente (es decir, con
parte MA} en lugar de un Butterworth del seno (AR puro) como ios utilizados en
Melis (1989), porque interesa que la funcin de ganancia se anule en la banda
de rechazo, lo que se consigue con la parte MA del filtro que, como puede
verse, es la sexta potencia de la suma mvil de dos trminos, que se anula en la
frecuencia n. Esta parte MA es un filtro simtrico de 7 trminos que introduce un
desfase de 3 observaciones.
En Antoniou (1979) o en el paquete de programas Matlab (1986) pueden
verse otras aproximaciones a un filtro ideal de paso bajo distintas a las Butterworth
como las mnirno-cuadrticas o las de Chebychev.
^a interpolacin de la figura 4.B utiliza un filtro ARMA(5,9) cuya naturaleza
se expone en el apartado 5 y que s puede aplicarse sobre series can
estacionalidad. Se observa que el resultado posee menor suavidad que el
obtenido con el ARMA(6,6), pero el desfase (tres #rimestres) es menor.
La importancia de esta reduccin del desfase puede verse en el cuadro 3,
que recoge el ltimo tramo de la interpolacin.
Cuadro 3
INTERPOLACION TRIMESTRAL DE LA VARIACI4N REA^ DEL PIBpm
1989 1990 1991
Serie original 4.9 0.0 0.0 0.0 3.5 0.0 0.0 0.0 2.0
ARMA(6,6) 4.9 4.7 4.3 3.9 3.4 2.9 2.5 - -
ARMA(5,9) 4.9 4.7 4.2 3.7 3.4 3.1 2.6 2.1 1.$
Con el ARMA(5,9) la interpolacin se extiende hasta el ltimo valor anual
existente, y el valor asignado a 1990 no depende del proyectado para 1991. EI
coste de este menor desfase no radica slo en la menor suavidad de !a serie
A(^REGA('ION TI:MPORAL Y 5OL_APAMIENTUO At..IASIN(^ 3?5
interpolada obtenida, sino en la trascendencia que adquieren los valores inicia-
les, ya que la salida del fittro tarda un lapso de tiempo muy elevado en alcanzar
el estado estacionario. En este caso se ha utilizado el procedimiento de
retropolacin por simetra sugerido por Rhoades y descrito en Melis (1 g83).
La interpolacin de paso bajo y el teorema del muestreo uniforme se entien-
de con mayor claridad si se estudian los periodogramas de las distintas series
en presencia: la serie anual original, la serie multiplicada e intercalada con
ternas de ceros y la serie interpolada.
La figura 5.A recage el logperiodograma de la serie anual original y el de la
serie intercalada con ternas de ceros.
Figura 5.A
LOGPERIODOGRAMAS SERIE ORIGINAL
y serie in#ercalada con ternas de ceros
inf.
8.00
KOriginal
,--^-^--. - ^
_
4.00
Perodos
2.67
Intercalada
2.00
^?f^ E'.^ f^i^)^^^ `r ^{ r1 '.^{'/^I^i( )l ,A
La serie original de crecimientos anuales del PIBpm a precios constantes
posee 16 datos (1975-1990). EI logperiodograma representado es:
20 log(IIW^I) (k=o, 1, 2, ..., 8) con
,^ T
2^
W k = ^ Xte_^ T
k ^ t ^ , ,
y ^ % = 1 6
T r= ^
de modo que Wa es la rnedia de la serie {2.512)
Como el nmero de observaciones es par, WS correspondiente a las oscila-
ciones bianuales es real:
1 T
W8= ^ -1 ^r__'>Xr=0.15 con
e . _ ^ n = - 1
T r= ^
Si mult iplicamos la se rie an ual por cuat ro ( pe rodo de mue st re o), in t e rcala-
mos t e rn as de ce ros y calculamos e l logpe riodograma, se obt ie n e e l re pre se n t a-
do con t razo con t in uo e n la figura S.A. Los prime ros 9 valore s, corre spon die n t e s
a los pe rodos
64, 64/2, 64/3, ..., 64/8 (t rime st re s)
coinciden con los 9 valores del logperiodograma de la serie anual, lo que indica
que la informacin en la banda (0, 2n/2s) no se perturba por el intercalado de
ceros.
Los restantes valores del periodograma de esta serie multiplicada por 4 e
intercalada con ternas de ceros se obtienen por simetra de los 9 primeros:
I lw , s- ; I I = 1 1 W , ^ ; ; I I =11W32-; II ^I ^!
1 ) ^ ^ = o, 1 , 2, . . . , 7, 8
Y e l pe riodograma apare ce domin ado por dos pot e n t e s picos e n la fre cue n -
cia e st acion al fun dame n t al ( 2^ /4) y su se gun do armn ico (2 /2) asociados a la
e st acion alidad que in t roduce n las re pe t idas t e rn as de ce ros.
Ahora pue de ve rse con rn ay or claridad que , si se e limin a de e st a se rie
mult iplicada e in t e rcalada la in formacin de la ban da ( 2n /8, n ) con un filt ro de
paso bajo que asign e gan an cia un idad a la ban da ( 0, 2n /8) y gan an cia n ula al
re st o de l e je , se obt e n dr un a se rie de pe rodicidad t rme st ral y e quivale n t e a la
se rie an ual origin al e n e l se n t ido de igual in formacin e n la ban da de paso.
La figura 5. Bre coge de n ue vo e l logpe riodograma de la se rie an ual y los
corre spon die n t e s a las se rie s in t e rpoladas, que t oman valore s prct icame n t e
de spre ciabfe s e n la ban da de re chazo ( 2^ /8, n ). EI filt ro ARMA(5, 9) e s
sign ificat ivame n t e in fe rior e n calidad, y a que pe rt urba e xce sivame n t e las fre -
cue n cias ms alt as de la se rie an ual y con se rva algun a in formacin e n e l
e n t orn o de l perodo C.
A(^Rt^(^A('ION Tt^.MF'C)RAI. Y tiOl.At'AMIF^.NTO(1 ALIAti1Nc^
Figura 5.B
LOGOPERI^DOGRAMAS SERIE ORIGINAL
-30
e interQOlados
10
8.00 4.00 2.67 2.00
Perodos
Interpol. ARMA (6,6) ^ Interpol ARMA (5,9)
inf.
(_ - ^) Original
^^7
Finalmente, las figuras 6.A y 6.C recogen las funciones de ganancia y
desfase temporal de los filtros empleados. Arnbos filtros poseen fase aproxima-
damente lineal en la banda de paso y, por tanto, un desfase temporal aproxrna-
damente constante en dicha banda, pero el desfase del ARMA(6,6) es das ut
superior. La figura 6.B representa el logaritrno de la funcin de ganancia que
lustra con mayor claridad fa canducta de ambos filtros en las altas frecuencias
y permite, en particular, apreciar el carcter desestacionalizador del filtro
ARMA{5,9).
i^ti'i .AI)ItiTI('A F^:tiF'I^NO1.r1
1 . 1
0. 9
0. 8
0. 7
0. 6
0. 5
0. 4
0. 3
0. 2
0. 1
0
Figura 6.A
FILTROS DE INTERPOLACION TRIMESTRAL
Funcin de ganancia
inf. 12.00 6.00
C } ARMA (6,6) Butterw.
4.00 3.00 2.40
+ ARMA (5,9) LAM
2.00
Figura 6.B
FILTROS DE INTERPOLACION TRIMESTRAL
inf. 12.00 6.00 4.00 3.U0 2.40
i i ARMA (6,6) Butterw. + ARMA (5,9) LAM
2.00
n(iRl:(^A('ION !`!.Mt'OKAI_ l' tiOL,^11'r^MltN1O(1 Af 1.7ti[N(;
0
u .
E
3
2
1
0
_5
-6
i n f .
Figura 6.C
FILTROS DE INTERPOLACION TRIMESTRAL
Desfase ternporal
n
.,
.
..
1 2.00 6.00 4.00 3.00 2.40
^ _ ] ARMA (6,6) Butterw. + ARMA (5,9) LAM
2.oa
4. EL FILTRADO NABITUAL DE PASO BAJO PREVIO AL MUESTREO
Hemos definido la agregacin temporal o muestreo temporal como el proce-
so de transformacin de una serie temporal formada por valores equidistantes y
separados por 1 ut en otra serie equivalente de valores equidistantes separa-
dos por s ut si la tasa de muestreo o de agregacin utilizada es 1 /s.
Las series original y muestral son equivalentes en el sentido del teorema del
muestreo uniforme si el espectro de la muestra a serie agregada coincide con el
.
de la serie original en la banda (0, 2^ n/2s) o, dicho en otros trminos, si la
informacin correspondiente a los movimientos de perodo 2s o mayor es idn-
tica en ambas series. Ello implica, como se ha visto, eliminar previamente la
potencia de la serie original en la banda (2n/2s, n} en el caso de que sea
significativa.
La prctica de la agregacin temporal en series econmicas y sociales no
respeta el principio de equivalencia y, en cansecuencia, la mayor parte de las
series manejadas contienen oscilaciones espreas inducidas por solapamiento.
En el caso rns simple, la agregacin se reduce al muestreo uniforme. En
series econmicas esto ocurre en series de stocks, de modo que una serie
anual de empleo, o de stock de viviendas en construccin, se obtiene a partir
{`,f^Al)I`^ f`91^^^ I^SI'^^NI)1.^1
de la serie trimestral o mensual, seleccionando en cada ao, como representan-
te del valor anual, e! ltimo valor (o cualquier otro) de la serie trimestral o
mensual.
En este caso, el fenmeno del solaparniento se produce en estado puro, y su
impacto sobre !a conducta de la muestra puede ser muy elevado.
No obstante, la mayor parte de los procesos econmicos observados son del
tipo ffujo y, en estos casos, la agregacin temporal a tasa 1/s incluye dos
subprocesos:
aj Suma o promedio mvil de s trminos.
b) Muestreo puro de la serie anterior.
As, el ndice anual de produccin industrial se obtiene a partir de! mensual,
aplicando a ste una media mvil de 12 trminos y muestreando esta serie
mensual a una tasa 1/12.
A su vez, el ndice mensual se obtiene a partir de la serie de producciones
diarias aplicando a sta una surna mvil de 30.4375 das y muestreando des-
pus a una tasa de 1/30.4375.
La calidad tcnica de la agregacin depender en este caso de la capacidad
de la suma o media mvil para aproximar la banda (0, 2n/2s), es decir, para
dejar pasar sin alteracin las oscilaciones de perodo 2s o mayor y eliminar las
de menor peroda (la diferencia entre la suma y la media, desde el punto de
vista de la funcin de ganancia, reside en que la ganancia de la suma es, para
cada frecuencia, s veces la ganancia de la media).
Para describir la forma de la funcin de ganancia en los filtros de paso bajo,
como la media mvil, suele utilizarse el denominado perodo de potencia
mitad, es decir, el perodo para e! cual la potencia (cuadrado de la ganancia)
es la mitad de la patencia en la frecuencia cero.
Puesto que !a media de s trminos es un filtro de paso bajo de potencia
mitad situada en el entorno de la frecuencia 2n/2s, puede afirmarse en principio
que su utilizacin mejora la calidad del muestreo respecto al muestreo puro. En
particular, elimina las oscilaciones de perodo s(estacional} y las asociadas a
los submltiplos de s(armnicos del estacional).
Son estas oscilaciones estacionales, presentes en la mayor parte de !os
procesos econmicos y sociales, las que convierten a la media o suma de los
doce ltimos valores de una serie en el estimador natural e institucional del nivel
de un proceso y a la serie de sumas anuales en la muestra anual convencional
de todos los procesos.
Sin embargo, la surna mvil de perodo s dista mucho de satisfacer el
principio de equivalencia exigido por el teorema del muestreo uniforme. Las
figuras 7 y 8 correspondientes a! muestreo de series trimestrales y mensuales,
respectivamente, ilustran las deficiencias de la suma mvil:
A(^FiF<^A(^Il)N `1^f^Mf't)K^ll^ ^' ti<)f.Af'A14111Nfl ^ OALlAtiIN(^
0.9
0.8
0.7
4.6
^ _
U
^ 0.5
c
(o
C^ 0.4
0.3
0.2
0.1
Figura 7
FILTROS CICLO-TENDENC^A TRIMESTRA^ES
Media de 4 trminos y LAM
i n f . 6 4
Perodos
3
[-) ARMA (5,9) LAM + MM4
12 2.4
Figura 8 .
FILTROS MENSUALES DE C'IC^O-TErJDENCIA
Funcin de ganancia {Detale)
24 12 8
( I ARMA (13,17) LAM
6
+ MM12
4.8
2
^_i^ E^w^T^^t)I`^71(^A F^.tiPANOf.A
a1 La media o suma mvil iniroduce ceros en las frecuencias estacionales
(2nk/s) y elimina, por tanto, el solapamiento sobre la media de la serie agregada
(correspondiente a la frecuencia cero). Sin embargo, la potencia en las frecuen-
cias situadas en los puntos medios entre los armnicos estacionales no se
elimina, de modo que una oscilacin de 8/3=2.66 trimestres, correspondiente al
mxmo del lbulo lateral de la suma mvil de cuatro trminos, recibe una
amplificacin o ganancia de o.27, como se observa en la figura 7. Puesto que
esta oscilacin tiene un alias de dos aos, el ernpleo de la MM4 introducir en la
serie anual un exceso de oscilaciones bianuales.
Sobre series mensuales, el empleo de la MM 12 acenta los entornos de 8,
4.8, 3.43, 2.fi, 2.1 rneses correspondientes a los rnximos de los ibulos latera-
les de la MM 12, corno puede estudiarse en la figura 8, en 1a que se ha represen-
tado exclusivamente la banda {o, 2n/4}.
Puede comprobarse que todas las oscilaciones citadas poseen un alias de
dos aos en la serie anual, de forma que todas las series anuales formadas por
sumas aritmticas de valores mensuales o trimestrales tendern a poseer un
exceso de oscilaciones bianua/es inducidas por so/apamiento desde /os lbulos
laterales de /a funcin de ganancia de la suma mvil.
b) La media mvil de s trminos proporciona potencia mitad a la frecuencia
w o perodo P(w=2nlP) que resuelve la ecuacin:
sen(sw/2}=s ^2 sen{wl2)!2 con 0<w=2n/P<2nfs
ya que en w=0 la ganancia es la unidad y en w=2n/s la ganancia se anula.
Para s=4 el perodo de potencia mitad es 8.784, y para s=12 la potencia
mitad se obtiene en el perodo 27.01, prximos, como se ve, al perodo 2s.
Sin embargo, las oscilaciones de perodo cornprendido entre 2s y s, es decir,
entre uno y dos aos en e^ muestreo anual, reciben suficiente ganancia como
para provocar serios problemas de solapamiento.
En e1 cuadro 1, que mostraba la tabla de solapamientos en el muestreo
anua! de una serie trimestral, puede verse que la ganancia residual que mantie-
ne la media mvil en las proximidades de 4 trimestres tiende a solaparse con
oscilaciones de largo perodo en la serie anual (el alias de 4.8 trimestres es fi
aos), mientras que la potencia que permanece en las proximidades de los 8
trirnestres, mucho ms importante, se solapa con oscilaciones anuales de corto
perodo {el alias de 6 trimestres es 3 aos}.
Este mismo patrn de solapamiento se produce en la media de 12 trm'rnos
y, asi, puede comprobarse que las oscilaciones de 15 meses que reciben
A(^Rt^.(^A( 1ON fF;MhOFtA! ti'^U(.^1f'Ati11t^N1OOAII^-1ti1^1(^
ganancia 0.24 se solapan con las oscilaciones de 5 aos, mientras que las de
20 meses, que reciben ganancia 0.51, se solapan con los ciclos de 2.5 aos.
Por tanto, el empleo de la media mvil en la agregacin tempral tiende a
provocar un exceso de ruido (oscilacin de corto peroda) en la serie anual no
slo por los alias de los bucies laterales, sino tambin por los alias de las
oscilaciones de perado prximo e inferior a 2s unidades de tiernpo de la serie
originai que la media mvil no elimina suficientemente.
c) Finalmente, la media mvil es muy ineficiente en la banda de paso
(0, 2n/2s), ya que las oscilaciones de periodo prximo y superior a las 2s
unidades de tiempo resultan excesivamente atenuadas por la accin del filtro.
La media mvil de 12 trminos proporciona ganancia 0.64 (inferior a la ganancia
mitad) a los ciclos de 24 meses, 0.76 a los ciclos de 30 meses y ganancia 0.86
a los ciclos econmicos tpicos de 40 meses, de modo que puede afirmarse que
la media mvil reduce excesivamente /as oscilaciones cclicas de perodo entre
dos y cuatro aos.
En trminos coloquiales y descriptivos, puede decirse que la funcin de
ganancia de la media mvii simple en la banda de paso desciende con demasia-
da rapidez o que es insuficientemente horizontal y, en trminos rns tcnicos,
se dice que el grado de tangencia en el origen ( en w=0) de la funci^ n de
ganancia de la media mvil simple es 1 o que slo la primera derivada en el
origen se anula.
Como se sabe, la media mvil simple equivale a una aproximacin local de
carcter lineal a la serie original [ver Melis ( 1986), epigrafe 4.8J y la utilizacin
de funciones cuadrticas o cbicas proparciona nuevas familias de filtros sim-
tricos de medias mviles que se caracterizan, como demuestra Hamming {1977),
por un grado de tangencia en el origen ms elevado. En el epigrafe 5 se utilizar
esta relacin entre la horizontalidad del filtro en la banda de paso y la nulidad de
las sucesivas derivadas en el origen de la funcin de ganancia.
En suma, la media mvil es un filtro de paso bajo altamente ineficiente en la
aproximacin al filtro de paso bajo ideal definido por la banda {0, 2n/2s) y tiende
a provocar oscilaciones de corto perodo en la serie agregada. Cuando la serie
muestreada presenta un ciclo potente, como ocurre con la oscilacin semanar
en la mayor parte de los fenmenos econmicos, y et ciclo se sita en las
proximidades del mximo de algn bucle lateral, el efecto perturbador sobre la
serie agregada obtenida muestreando la suma mvil puede ser rnuy fuerte.
EI perodo de 7 das est situado cerca del mximo del cuarto bucle lateral
de la suma mvil de 30 das y obtiene una ganancia del 6% que basta para
manifestarse con nitidez en la mayor parte de las series econmicas, como
demuestra la experiencia.
z ^^l i^:^TAC)I^TIC`A E:^NAO[.^i
5. EL PROCEDIMIENTO aE AGREGACIO^N PROPUESTo
De io expuesto en el epgrafe anterior se desprende que el instrumento
necesaro para una agregacin temporal eficiente, que respete el principio de
equivalenc^a exigido por el teorema de! muestreo uniforme en el dominio del
tiempo, debe ser un filtro de paso bajo que aproxime, con el menor desfase
temporal posible, la banda {o, 2nI2s}. En probiemas de agregacin, y ya que la
suma mvil es el filtro de agregacin ms utilizado, la exigencia de mnimo
desfase puede entenderse en relacin con el desfase de la suma mvil de s
trminos que, corno se sabe, es constante e iguai a(s-1 }/2 observaciones.
Puesto que las series muestreadas poseen, en general, alta potencia en los
armnicos estacionales, ios fiitros que se utilicen deben anuiarse o poseer una
ganancia suficientemente prbxima a cero en las frecuencias estacionales. El
ARMA(6,6) estudiado antes no puede utilizarse en series con alta estacionalidad
(las ligadas ai turismo, por ejemplo) porque la ganancia en 2^/4 (o en 2^c/12 en
series rnensuaies) no es suficientemente reducida.
Estos objetivos de minimo desfase, mxima proximidad al filtro ideal de
gananeia unidad en !a banda (o, 2n/2s) y ganancia nula en !a banda de rechazo
(2^/2s, n) y suficientemente prximos a cero en ios armnicos estacionales
(2n k/s, k=1, 2, ..., s/2) son precisamente los propuestos por Melis (1989} en la
bsqueda de filtros ptimos de ciclotendencia, lo que indica que la cuestn del
nivei relevante, que gobierna la extraccin del cornponente de ciclo-tendencia o
de la tendencia locai en series econmicas, est estrechamente relacionada
con !a bsqueda de muestras tcnicamente correctas de procesos econmicos
y sociales.
Descartando de antemano las aproximaciones de medias mviles, como las
descrtas en Melis (1986, epgrafe 4.7), por su elevado desfase, debe recurrirse
a filtros ARMA tales como los de Butterworth, Chebychev o los de tipo mnimo-
cuadrtico, que poseen fase aproximadamente lineal en la banda de paso y, por
tanto, un desfase que es aproximadamente constante e inferior al de los fil#ros
de medias mviles.
En Melis (1989}, el problema dei diseo de fiitros previos ai muestreo anuai
o filtros de pre-muestreo (que en aqul se denominaban filtros de ciclo-tenden-
cia) se plante en el contexto de una estrategia personalizada oa medida de
extraccin de seal compuesta por los siguientes elementos:
a) Calcular, sobre la serie a muestrear, el ratio entre el valor minmo del
periodograma (representante de la intensidad del componente irregular) y ei
valor en 2n/12 (armnico estacional fundamental). Este ratio es el recproco de
una medida de estacionalidad y en el trabajo ctado se Ilamaba Ganancia
Estacional (GE).
AGRF?(.^A('tON TF^.MPOttA(. Y` SOI.APAMIENTO O ,At.Ir^SIN(; Z^^
b) Con la tabla del cuadro 2 de Melis (89) o con un programa apropiado,
seleccionar el filtro AR-Butterworth cuya ganancia en 2n/12 sea igual o inferior
al ratio anterior. Estos filtros AR-Butterworth no poseen ceros (no tienen parte
MA) y no se anulan en ningn punto del eje de frecuencias. Los ARMA-Butteruvorth,
como el ARMA(6,6) presentado en el epgrafe 3, se anulan slo en n.
c)
Este filtro de premuestreo o de extraccin de seal tiene un desfase {y
un tamao) tanto mayor cuanto ms prximo a cero es el ratio GE.
En este epgrafe se presenta un filtro de premuestreo distinto, que tiene
ceros en todos los armnicos estacionales y que se puede utilizar, par tanto,
sobre series de cualquier estacionalidad. Posee un desfase reducido (12 me-
ses) y su principal limitacin radica en su alta sensibilidad respecto a los valores
iniciales utilizados en el proceso de filtrado.
EI origen de este nuevo filtro, al que Ilamaremos en adelante Lneas Areas
Modificado (LAM}, puede encontrarse en los filtros de ciclo-tendencia proceden-
tes de la descomposicin de un modelo ARIMA del tipo Lneas Areas, como los
expuestos en Maravall (1987, 1989). Estos filtros de medias rnviles de tamao
infinito poseen una estructura del tipo:
H (B)H F )
(
donde F=B-' y H(B) es el cociente en#re el modelo T(B) de la seal:
1 +a,B+a2B2
T{B)=
1_B 2-;;er Hillmer, Tiao (1982) o Maravall (1987)
( )
y el modelo X(B) de la serie original del tipo Lneas Areas:
X B = (1 +bB^
(1 +eBS)
( ) 1-B 1-BS
) ( )
normalizado de forma que la ganancia en la frecuencia cero sea la unidad.
Gmez y Meiis (89) advirtieron que estos filtros de medias mviles de
tamao infinito podan interpretarse como el resultado de aplicar en cascada (y
en direcciones opuestas} el mismo filtro H(B) y estudiaron la funcin de ganan-
cia y desfase de H(B) y los valores iniciales ptirnos en relacin con el rnodelo
de la serie original.
Estos filtros ARMA definidos por la raz cuadrada de un filtro modelo-basado
son muy parecidos, por su funcin de ganancia, a los filtros concurrentes de
ciclo-tendencia del X-11-Arima que pueden estudiarse en Dagurn (1987). Su
desfase temporal es muy reducido y puede ser inferior a media unidad de
tiernpo si el parmetro b del polinomio MA regular es prximo a 1 y el parmetro
e del polinomio MA estacional es prximo a-1.
3 ^ f^
E:STA[)I^;TI('A F.tiPA()(._A
La expresin de este filtro es:
H B -k (1 +a,B+azB^)S{B)
i } 1 +ba 1 +eas
c )( )
c on S (B)=1 +B+B^+b3+. .. +BS-,
c on s=4 en series trimestrales y s=12 en las mensuales y donde se c umple:
a} k tai que H(0)=1.
b) -1 <e^0.
c ) a2=a,-1 <===>H"{n)=1-a^+a^=o.
La c ondic in c ) es el requisita c annic o que se impone al modelo teric o del
c ic fo-tendenc ia:
1 +a1B+a2B2
T^=T(B)(3r= ( , f _B)2 (3 r
y equivale a exigir que el espec tro de Tt toque el eje de frec uenc ias en la
frec uenc ia de doblamiento.
A estas c ondic iones aadiremos una adic ionaf, c arac terstic a de los filtros
de paso bajo: un grada elevado de tangenc ia af filtro ideal en ef origen, o, dic ho
en otros trminos, que el filtro sea sufc entemente horizontai {rec urdese los
problemas planteados por la insufic iente tangenc ia de la media mvif) en la
banda de paso. Matemtic amente, el requisito puede expresarse exigiendo que
la segunda derivada def mdulo al c uadrado def filtro sea nuia para w=o.
d) d 2 m(w)=m"(w)=0 en w=0 con m(w)= ^^H{e-^W )^^2
dw2
y esta c ondic in perrnite determinar a, en func in de b y e, ahorrando fa
desc omposic in en frac c iones parc iales utilizada por Burman (1980) y Maravafl
(1987).
La c arac terstic a ms sobresaliente de esta familia de filtros de c ic lo-tenden-
c ia (familia LA o de Lneas Areas) es su reduc ido desfase, que en el c aso de
b=.8 y e=-o.8 es de 4.33 observac iones en toda la banda de paso. Para
entender este reduc ido desfase debe observarse la func in que realiza el fiftro
MA(2) del numerador, que ac ta c omo un diferenc iador c uyo adelanto c ompen-
sa el retraso introduc ido por los restantes elementos del filtro H{B).
Considrese la func in a(w) def mdulo c uadrado del MA(2):
A(;RE(;AC'1ON TEMPORAL. Y SOLAPAMIENTO O ALtAtiIN<^
a(w)=^^1 +a^e_,w+a2e_i2w^^2=Ao+A^ cos(w)+A2 cos(2w)
con Aa=1 +a 1+a2 ; A,=2(a,+a,a2}; A2=2a^;
a'(o)=o; a"(o)=-A^-4A2;
y la segunda derivada en el origen se anula, teniendo en cuenta la condicin
cannica, con:
a,=2(^2-1)=0.828 {despreciando la solucin de mdulo superior a ta unidad).
Siempre que a, sea inferior al valor citado, el MA(2) actuar como
diferenciador, introduciendo un adelanto en la salida. Cuando a,= el filtra es,
precisamente, la segunda diferencia.
Por el contrario, con a1 superior o igual al valor citado, el filtro acta como un
paso bajo, introduciendo retraso en la salida. Para a,=1 el filtro es la suma mvil
de dos trminos, y con a^=2 el filtro es el cuadrado del anterior.
Por ltimo, para obtener la expresin de a, en funcin de b y e, expresamos
el mdulo cuadrado m(w) del filtro H(B) en funcin de los mdulos cuadrados
de sus componentes:
m ( w)=
a ( w)
u (w)v (w)
donde a(w} es el mdulo at cuadrado del diferenciador MA(2) y:
u (w)=^I1 +be-;w^^2 Y v(w)=I11 +ee-_^SWIIz
Como a'(o)=u'(o)=v'(=), anular la segunda derivada de m(w) en el origen
implica:
(I ) a"uv=u"av+v"au
donde las funciones y sus segundas derivadas estn evaluadas en el origen. Y,
por tanto:
_ 2-2 2-4 C b e
a^- 4C_1 ' C- 1+b a+S2 1+e 2
( ) ( )
Debe advertirse que este resultado supone una importante simplificacin del
proceso de generacin de filtros de ciclo-tendencia basados en un modelo de
Lneas Areas que satisfagan el requisito cannico en el sentido de Burman y
Maravall. De hecho, identificados los parmetros b y e del modelo de L neas
Areas original (advirtase que los signos de los parmetros son opuestos a los
habituales en la modelizacin ARI MA), los parmetros a^, a2 y k que definen e1
filtro de ciclo-tendencia pueden obtenerse directamente con las expresiones
transcritas.
!F:STA[)ISTI('A F.SPAOl..A
Esta familia de filtros LA de ciclo-tendencia puede generalizarse para adap-
tarse con precisin a la banda (0, 2n/2s) sustituyendo el filtro AR(1) regular:
1
1+bB
qu^e acta como un paso bajo si b es negativo y como uno de paso alto si el
parmetro es positivo, por un aproximador AR de Butterworth a la banda citada.
La abtencin de a, se sigue de la condicin (I) obtenida antes citada, y la
funcin u es ahora el mdulo cuadrado de un polimonio del grado del AR
utilizado.
EI resultado, para los casos trimestral y mensual, son los filtros cuya funcin
de ganancia se recogia en las figuras 7 y 8 junto a!as correspondientes a ias
medias mviles.
La expresin general de este filtro, que denominamos Lneas Areas Modifi-
cado (LAM), es:
(1 +a1B+a2B2}S (B)
H(B)=k
G {B)(1 +eBs)
^
G {B)=1 +b^ B+ ... +brnBm
EI fiftro 1/G(B) es un AR(m) de paso bajo de potencia mitad en el perodo
2s y cuyo desfase aumenta con el grado m del polinomio, como puede estudiar-
se en Melis {89}.
Los parmetros de los filtros que se proponen para el premuestreo de series
mensuales y trimestrales se recogen en el cuadro 4.
Cuadro 4
A. Filtro LAMpara series mensua/es ARMA(13,17)
k=0.000358; e=-0.8; a^=0.01845997; a2=aj-1;
b,=-4.157975; b2=6.9754844; b3=-5.89517; b,^=2.507715;
b5=-0.42925;
Desfase: 12 meses
B. Filtro LAMpara series trimestrales ARMA(5, 9)
k=0.01098; e=-0.7; a^=0.0856321;
b1=-2.59477063; b2=3.01184253; b3=-1.86698285;
b4=0.6070901; b5=-0.08198127;
Desfase: 3 trmestres
A(^RE(^A('ION TEMF'ORAI. 1' SOI,APAMIF^.NTO O Al 1-1tiIN(E ^^9
En la figura 9 se recogen las tasas de variacin de dos muestras anuales del
ndice de produccin industrial (IPI).
La primera corresponde al muestreo o agregacin convencional en que cada
valor anual es la media de los doce valores rnensuales.
La segunda es el resultado del mtodo de muestreo o agregacin propuesto:
se somete la serie mensual del IPI a un filtrado de paso bajo con el filtro LAM
ARMA(13,17) de doce meses de desfase y se muestrea a una tasa de 1/ 12. La
muestra anual de 1989 exige el conacimiento de los seis primeros meses de
1990 0, dicho de otro modo, seis datos ms que la media mvil de 12 trminos
utilizada en la muestra anual convencional.
En el tramo presentado en la figura 9, la muestra LA,M parece ms suave
que la muestra usual y el perfl del ciclo industrial ms reciente varia
significativamente de una muestra a otra.
La muestra anual LAM del IPI refleja con rnayor fidelidad los movimientos de
ciclo-tendencia (de periodo superior a dos ar^os) de la produccin y no est
perturbada por ningn efecto de solapamiento o aliasing.
Figura 9
MUESTREOS ANUALES DEL IPI
5
4
3
2
0
,
^
,
^
Tasas de variacin
_2
79 80 81 82 83 84 85 86 87 88 89
f-^ M M 12 ^ ARMA (13,17)
^^1) E^.tifA[>ItiTIC A E^^^ANt ^ l.A
En contrapartida, requiere seis predicciones y es sensible a la solucin dada
al problema de los valores iniciales.
6. OBSERVACICiN DEL SOLAPAMIENTGI SOBRE EL PERItaDC^GRAMA
Consideremos una actividad econmica que registre un potente ciclo sema-
nal, tal como el transporte areo no regular en Espaa, que posee mximos en
los fines de semana, o el comercio al por menor, que crece en los viernes y
sbados por la maana y se interrumpe los domingos, o la propia actividad
industrial, que desaparece los fines de semana.
AI analizar sobre medias o sumas mensuales la variacin de la actividad
mes a mes, la influencia de un ciclo semanal se refleja en la presencia de
oscilaciones de 2.87 rneses de perodo y ei efecto sobre la variacin intermensual
de estas oscilaciones espreas, inducidas por solapamiento por las oscilacio-
nes de siete das, puede ser ms importante que la propia variacin estacional.
Young (1965} estima, para la economa americana, que, en e! caso de las
importaciones, ei efecto del trading-day sobre la variacin rnes a mes es ms
importante que el efecto estacional y, en el caso del comercio al por mayor,
ambos efectos son sensiblemente iguales. Este anlisis emprica de Young y la
experiencia diaria de los analistas de coyuntura sugieren que la identificacin y
eliminacin del ciclo semanal es un requisito indispensable para la correcta
interpretacin de la coyuntura y la modelizacin y prediccin de series.
Puesto que el perodo del ciclo semanal est en la zona de altas frecuencias
asociadas al componente irregular, y muy prximo al cuarto armnico estacional
{perodo de tres meses), su identificacin suele hacerse por regresin del
componente irregular (es decir, despus de eliminar ciclo-tendencia y
estacionalidad) sobre el nmero de lunes, martes, etc., de cada mes, despus
de eliminar Ios meses anmalos.
La presencia de un ciclo semanal puede tambin advertirse en la funcin de
autocorrelacin bajo la forma de una alta correlacin en el tercer retardo de la
serie estacionaria (despus de eliminar la #endencia y la estacionalidad con una
primera diferencia y una diferencia estacional}, pero la forma ms clara y directa
para detectar la presencia dei ciclo semanal es la observacin del periodograma,
como se ilustra en las figuras 10.B, 11 y 12 para el caso del Indice de Produc-
cin Industrial (IPI} de Espaa.
En la figura 10.A se representan 120 datos rnensuales de produccin indus-
trial, y en la figura 10.B el correspondiente periodograma. EI dato encerrado en
t1(iRF'.(iA('lON TF^:MPORAl_ Y SOI.AP,^IMIf-NT(IO Af l:^til^i(^
Figura 10.A
INDICE DE PRODUCCION INDUSTRIAL 1. 1979-2. 1988
170
160
150
,
140 ;
.
130
,
120
110
100
90
80
70
79 80 81 82 83 84 85 86 87 88 89
Fecha
Figura 10.B
LOGPERIODOGRAMA
40
30
0
-10
0 12 s 4 3 2. 4 2
Perodos
^a^ #tiTA[)tST^((^A f^SPAIV(Il_A
un cuadrado es el valor del periodograma en el armnico 42, correspondiente af
perodo
124/42=2.857 meses
muy prxima al alias de 2.873 meses del ciclo semanal. Ntese que el armnico
40 es e! cuarto armnico estaciona! de perodo:
120/40=12/4=3 meses
por lo que en series con estacionalidad el pico inducido por el ciclo semanal
aparece en la ladera del pico, mucho ms importante, de1 cuarto armnico
estacional.
Cualquier proceso desestacionalizador, que introduce ceros en las frecuen-
cias:
2n/12 (k=1, 2, ..., 6)
correspondientes a los perodos:
12/K (k=1, 2, . . . , 6)
permitir una identificacin ms precsa del pico semanal y la tasa interanual,
que introduce ceras en las frecuencias:
2nk/12 (k=0, 1, 2, ..., 6)
r
provocar el mismo efecto de amplificacin relativa del pico semanal, como
puede observarse en !a figura 12.
EI perodograma es un estimador insesgado pero inconsistente del espectro
del proceso y suele evitarse su uso por su carcter errtico, prefirindose
versiones suavizadas del mismo que aproximan mejor el espectro pero que
elminan, lamentablemente, los picos inducidos por aliasing.
Para distinguir en el periodograma lo estructural o permanente de !o errtico,
puede calcularse el periodograma para las primeras 120 observacones, a con-
tinuacin para !as observaciones 4 a 123, etc., y observar conjuntamente estos
periodogramas calculados sobre tramos solapados en 12Q observaciones. La
superficie obtenida es el periodograma mvil de la figura 11, en la que el primer
periodograma coincide prcticamente con el recagido en la parte inferior de la
figura 1, mientras que e! ltimo es e! correspondiente al perodo 1.65 a 12.7^4.
AGRE:(^A('tON TE:MP(:)RAI^ Y SOLAPAMIENTC^ c^ ALIAtiINC;
Figura 11
LC7GPERIfJDOGRAMA MOVIL 1.65-12.88
Indice de produccin industrial: Logperiodogramas sobre tramos de 120 datos
y desplazamientas sucesivos de 6 observaciones
/
Potencia
43.22
20.91
/
/
12.74
-1.40
-23.71
120
12.78
tiernpo
12
3
2.4
6
4
Perodos
2 12.88
EI eje de tiempos indica la fecha final de cada tramo
En la figura puede observarse qu el pico del armnico 42 no es debido al
carcter errtico del periodograma, sino a un componente estructural sistem-
tico del proceso. En los periodogramas que incluyen informacin anterior a 1975
(fecha en la que se produce el cambio del nd'+ce base 1962 al ndice base 1972}
el pico alias del ciclo semanal se difumina.
La figura 11 muestra tambin que existe un pico permanente en el armnico
52, que en la figura 10.B est encerrado en un crculo.
EI perodo asociado a este armnico es:
^120/52=2.307 meses
y puede conjeturarse que es el alias de un ciclo da-noche cuyo alias en una
serie mensual es, como se ha visto, de 2.2857 meses.
Esta conjetura puede confirmarse observando los periodogramas mensua-
les de procesos industriales continuos como los correspondientes a la produc-
^.^-^ F^^TAI)I^T1(^A F.SF'AC)I.A
Figura 12
LOGPERIODOGRAMA DE LA TASA INTERANUAL
34 ^
20 "!
c _ ^ 1
U ^
C,)^ 1
^ ,
V
V
-10
0 12 3
. - . - _ ^
2.4
Perodos
La linea horizontal seala la altura media del cornponente irregular
cin de aluminio de primera fusin o a la produccin de acero. En estos proce-
sos no deber advertirse el alias del ciclo circadiano ni el del ciclo semanal.
Advirtase,finalmente,que la observacin del ciclo semanal sobre el
periodograma sugiere un procedirniento de estimacin ms preciso que el habi-
tual (el utilizado por el X11o el SCA),ya que en lugar de establecer una
regresin del componente irreguiar sobre el nmero de lunes,martes,etc.,de
cada mes,la regresin puede establecerse para la salida de un filtro pasabanda
suficientemente estrecho aplicado a la frecuencia alias.
AC^Rf^t;At lt)N TEMPt)RA[ 1"tit)I.AP,^Mt^-NTI^( ^ Al 1^1ti1ti(,
REFERENCIAS BIBLIOGRAFICAS
345
ANTONIOU, A. (1979): Digital filters: analysis and design, MacGraw-Hill.
BURMAN, J. P. (1980}: Seasonal adjustment by signal ext^-action, J. R. Statist.
Soc., A (1980), 143.
DAGUM, E. B., y LANIEL, N. (1987}: Revisions of trend-cycle estimators of moving
average seasonal adjustment methods, Journal of Business & Ecnamic
Statistics, April 1987, Vol, 5, No. 2.
GMEZ, V., y MEL^s, F. (1989): Sobre !os filtros de ciclo-tendencia obtenidos por
descomposicin de modelos ARIMA (documento interno), Unidad Tcnica
de Coyuntura, I NE.
HAMMING, R. W. {1977): Digital filters, Prentice-Hall Inc.
HILLMER, S. C., y TiAO, G. C. (1982}: An Arima-Model-Based Approach to
Seasonal Adjustment, JASA, March 1982, Vol. 77, No. 377.
Hsu, H. P. (1973): Anlisis de Fourier, Fondo Educativo Interamericano.
MARAVALL ( 1987): Descomposicin de series temporales: especificacin, esti-
macin e interferencia ( con una aplicacin a la oferta monetaria en Espa-
a), Estadstica Espaola, n.114.
MARAVALL (1990): Anlisis de un eierto tipo de tendencias, Cuadernos Econ-
micos ICE, n.44, 1990/91.
MATLAB (1986): PC-Matlab User's Guide, The Math Works, Inc.
MEL^s, F. (1983): Construccin de indicadores cclicos mediante acuaciones en
diferencias, Revista de Estadstica Espaola, n.98, marzo 1983.
MEL^s, F. (1986): Apuntes sobre series temporales (documento de trabajo),
Unidad Tcnica de Coyuntura, INE.
MELIS, F. (1989): Sobre la hiptesis de componentes y la extraccin de la seal
de coyuntura sin previa desestacionalizacin, Revista Espaola de Econo-
ma, vol. 6, n.S 1 y 2, 1989.
PRIESTLEY, M. B. {1981): Spectral analysis and time series, Academic Press.
OTNES, R., y ENOCHSON, L. (1978): Applied time series analysis. Volume I. Basic
techniques, John Wiley and Sons.
YouNG, A. (1965): Estimating Trading-day variation in monthly time series,
U.S. Department of Commerce, Bureau of the Census, Technical Paper
No. 12.
.^4f^ E : ^^ TA[: )ISTI("A f:SF'A()l.A
ALIASING AND TIME SE RIE S AGGRE GATION
SUMMARY
Weekly cyctes in economic and social processes appear in monthly
series as alias cyctes of 2.87 months. This disturbing trading-
day^> effect is a result of the highly inefficient usual method of
constructing monthty series as a sum of daily values. This paper
considers the t<aliasing effect in a frequential framework and provides
a means for catculating over the sampled series the aliased period of
a given cycle in the original series.
Aggregation or sampling of time series and the opposite problem
of interpolation are analyzed in the Sampling Theorem framework. A
recursive low-pass interpalaton is devetoped and the aggregation
with moving sums is critized in view of the high noise induced by
aliasing in the sampled series.
A product of a low-pass recursive filter and a trend-cycte model-
based filter is recommended as presampling filter. The last component,
based in an airlines ARIMA model, is obtained with a frequential
procedure that simplifies the conventional method of partial fraction
expansion.
Moving periodogram is presented as a useful tool of aliasing
detection and in this way a daily cycle in the industrial production
index is postulated aliased with the 2.28 months cycle.^
Key words: Aggregation, sampting, low-pass interpolation, aliasing,
trading-day, weekly cycle, recursive filter, mode!-based filter,
moving periodogram.
AMS Classification: 62P20, 90A16, 90A20.