Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Introduccin
Curso 2015/16
A diferencia de lo que ocurre con los datos de corte transversal, los datos vienen
dados en un determinado orden temporal. (Yt : t T)
PIBPC
300,000
275,000
250,000
225,000
200,000
175,000
150,000
125,000
100,000
1996
1998
2000
2002
2004
2006
2008
2010
16
14
12
10
8
6
4
90
92
94
96
98
00
02
04
06
08
10
TURISMOING
6,000,000
5,000,000
4,000,000
3,000,000
2,000,000
1,000,000
0
96
98
00
02
04
06
08
10
1.6
0.80
1.4
0.75
0.70
1.2
0.65
1.0
0.60
0.8
97 98 99
00 01 02
03 04
05 06
07 08
0.55
97 98
99 00 01
DOLAR
02 03 04
05 06 07
08
LIBRA_ESTERLINA0
180
1.70
160
1.65
140
1.60
120
1.55
100
1.50
80
1.45
97 98
99 00
01 02
03 04 05
FRANCO_SUIZO01
06 07
08
97 98 99 00
01 02 03
04 05 06
07 08
YEN
INDICE_IBEX_35_BASE_1989
16,000
14,000
12,000
10,000
8,000
6,000
4,000
2,000
96
98
00
02
04
06
08
10
12
Existen algunas similitudes entre las series anteriores? Hay evidentes diferencias
entre ellas?
10
11
Tendencia (T)
Ciclo (C)
Componente estacional (S)
Componente irregular (I)
12
13
Estos componentes pueden estar presente en una serie temporal siguiendo diversas
estructuras. Las mas habituales son:
Yt Tt Ct St I t : aditivo
Yt Tt Ct St I t : multiplicativo
Yt Tt Ct St I t : mixto
14
En una serie concreta no tienen por qu estar presentes los cuatro componentes
15
16
El mtodo de las medias mviles es una tcnica para suavizar una serie temporal.
Es decir, permite suavizar las irregularidades y fluctuaciones de una serie.
17
18
19
Ingresos por turismo (miles de Euros). Serie original, ajuste media mvil 5 y 12
Perodo: 1990.01-2008.04
20
Ajuste estacional
21
Zt
Yt
Tt Ct I t
St
22
23
2. Se calcula
d t yt xt
3. Se obtienen los ndices estacionales (im). Para datos mensuales el
ndice para un mes concreto, m, es la media de los valores de la serie
diferencia (dt) obtenida en el paso 2, usando nicamente las
observaciones de ese mes.
24
sm im i
donde : i es la media de todos los ndices estacionales
sm factor de escala.
interpretacin:
la serie y es sm mayor en el perodo m en relacin
con la serie ajustada.
25
2. Se calcula el ratio
rt
yt
xt
26
sm
im
12 i i i
12
12
sm : factor de escala.
interpretacin: la serie y es sm por ciento ms alta en el perodo m
en relacin con la serie ajustada
27
Mtodo X-11
Aplicacin iterativa de varios filtros a la serie original. En el primer paso se
obtiene una estimacin del componente tendencia-ciclo mediante la aplicacin
de una media mvil a la serie original. Despus se obtiene una estimacin del
componente estacional y del componente irregular. Se aplica un nuevo filtro de
media mvil para eliminar el componente irregular y se obtiene una estimacin
del componente estacional y finalmente se obtiene la serie desestacionalizada.
28
2000000
5000000
1000000
4000000
3000000
2000000
-1000000
1000000
0
90
92
94
96
98
00
mtodo multiplicativo
mtodo aditivo
x-11 multiplicativo
02
04
06
08
X-11 aditivo
INGTURISMO
-2000000
90
92
94
96
98
ESTAC
00
02
04
06
08
ESTAC1
29
300,000
275,000
250,000
225,000
200,000
175,000
150,000
125,000
100,000
1996
1998
2000
PIB
2002
2004
2006
2008
PIB_SA
30
31
Tendencia
Existen diversos mtodos para extraer la tendencia de una serie temporal.
Ajustes de funciones de tiempo.
yt : modelo de nivel constante
yt t : lineal. La serie aumenta (o disminuye) a un ritmo constante
yt t t 2 : cuadrtica. Suele tener slo un mximo o un mnimo
yt t t 2 t 3 : tendencia polinmica.
yt exp t : exponencial. La serie aumenta (o disminuye) a intervalos cada vez mayores
yt log t : los datos aumentan (o disminuyen) rpidamente y despus la serie se estabiliza
32
y=2.5 + 0.5t
y= 2,5 + 0.5t + e
30
30
25
25
20
20
15
15
10
10
0
5
10
15
20
25
30
35
40
45
50
10
15
20
25
30
35
40
45
50
y=2,5 - 0.5*t
Y= 2,5 - 0.5*t + e
-5
-5
-10
-10
-15
-15
-20
-20
-25
-25
5
10
15
20
25
30
T
35
40
45
50
10
15
20
25
30
Y
35
40
45
50
33
25
20
15
10
0
20
40
60
80
100
120
140
34
100
80
2.0
60
1.9
40
1.8
20
1.7
0
96
97
98
99
00
01
EXP(0.3+.002*t)
02
03
96
97
98
99
00
01
02
03
EXP(0.3+.02*t)
35
w = log(2.5 + 0.5*t)
0
20
40
60
80
100
120
140
36
4000000
3500000
3000000
2500000
2000000
1500000
1000000
500000
90
92
94
96
98
x-11 multiplicativo
00
02
04
06
08
INGTURISA3ADJ
37
Ciclo-tendencia
No siempre resulta sencillo separar la tendencia del ciclo, por lo que a veces se
obtienen de forma conjunta, eliminando el componente irregular de una serie
desestacionalizada, y que se denomina serie ciclo-tendencia.
Para ello se obtiene una media mvil de orden bajo (2,3, ) a la serie sin componente
estacional.
38
Si la descomposicin es aditiva,
It Yt St TCt
Si la descomposicin es multiplicativa,
It
Yt
St TCt
39
Si la descomposicin es aditiva:
40
Si la descomposicin es multiplicativa
El clculo del componente estacional se obtiene dividiendo a la serie original entre la serie
ya sin CT ni componente estacional.
El ciclo se puede obtener tras regresar la serie media mvil sobre el tiempo, guardar los
valores estimados. Finalmente, el factor cclico se obtiene dividiendo la serie centrada entre
los valores estimados de la regresin anterior.
41
El mtodo clsico es, adems, un mtodo poco robusto ante valores inusuales de la
serie (ej: huelgas, etc)
42
Alisado exponencial
1.1 Alisado simple: Series sin tendencia ni componente estacional
1.2 Alisado doble: series con tendencia y sin componente estacional
2.
Mtodo Holt-Winters
2.1 Multiplicativo: series con tendencia (lineal) y estacionalidad
multiplicativa
2.2 Aditivo: series con tendencia (lineal) y estacionalidad aditiva.
3.
Filtro de Hodrick-Prescott.
43
Alisado exponencial
Fciles de aplicar
44
Alisado simple:
Para series que se mueven aleatoriamente en torno a una media constante. La
nueva serie se calcula de forma recursiva,
y t yt (1 ) y t 1
donde 0 1.
: coeficiente de alisado. Cuanto ms pequeo es , menos alisamiento de la serie.
sustituyen do repetidamente, podemos reescribir la expresin anterior como,
t 1
y t (1 ) s yt s
s 0
45
Alisado doble.
Se aplica el alisado simple dos veces, usando el mismo parmetro. Es un mtodo
apropiado para series con tendencia.
St yt (1 ) S t 1 : alisado simple
Dt S t (1 ) Dt 1 : doble alisado
donde 0 1
Prediccin :
k
k
ST Dt k
yT k 2
Dt 2S t Dt
St 1
1
1
1
intercepto : 2St Dt
pendiente :
ST Dt
1
46
Mtodo Holt-Winters
Multiplicativo. Es un mtodo apropiado para series con tendencia lineal y una
variacin estacional multiplicativa.
y t k a bk ct k
donde,
a : componente permanente (intercepto)
b : pendiente de la recta
c : factor estacional multiplica tivo
a y b se pueden obtener ajustando una recta a la serie desestacionalizada.
Los ndices de variacin estacional obtenidos a partir del modelo
multiplicativo se pueden usar como valores iniciales de los coeficient es
estacionales.
47
c t t s
bt a t a t 1 1 b t 1
y
ct t t 1 ct t s
at
donde 0 , , 1
s : frecuencia estacional
las predicciones se calculan como sigue
y t k a T b T k cT k s
48
Aditivo.
Mtodo adecuado para series con tendencia lineal y variaciones estacionales aditivas
yt k a bk ct k
donde,
a : componente permanente (intercepto)
b: tendencia
c: factor estacional aditivo
recursivamente se obtienen:
a t yt ct t s 1 a t 1 bt 1
b t at at 1 1 bt 1
ct t yt at 1 ct t s
donde 0 , , 1 y s : frecuencia estacional
las predicciones se calculan como sigue
yt k a T b T k cT k s
49
Filtro Hodrick-Prescott
Es un mtodo muy utilizado en macroeconoma para obtener una estimacin suavizada
del componente tendencial a L.P de una serie.
Se basa en minimizar la varianza de y en torno a s, siendo s la serie suavizada. Este
filtro elige por tanto el st que minimiza,
T
t 1
T 1
st st 1 st st st 1
2
t 2
50
Para obtener el componente cclico utilizando este mtodo se procede como sigue:
Sea Yt la ST original, y sea Tt la serie suavizada obtenida anteriormente.
Sea CIt = Yt Tt .
Como CIt contiene todava al componente irregular, para obtener el componente
cclio hay que filtrar a la serie CIt
La nueva serie suavizada, Ct es el componente cclico.
51