Filtro H-P

Agregacin temporal y
ltro Hodrick-Prescott
Ana del Rio

BBV Gestinova
Tesina CEMFI No. 9910

Septiembre 1999
Este trabajo constituye una versin revisada de la tesina presentada al completar el

Programa de Estudios de Postgrado 1997-1999 del Centro de Estudios Monetarios y
Financieros (CEMFI). Quiero agradecer especialmente la colaboracin de Agustn
Maravall. Tambin los comentarios de profesores y compaeros del CEMFI, la
ayuda de Teresa Dabn con los datos y el apoyo de Marcos y de mi familia.
(Correo electrnico: ana.rio@grupobbv.com).
CEMFI, Casado del Alisal 5, 28014 Madrid, Spain.
Tel: 34 914290551, fax: 34 914291056, www.cem.es.
Resumen
Esta tesina estudia la equivalencia de los ciclos obtenidos con el ltro HodrickPrescott a partir de datos con diferente periodicidad temporal. Propongo dos
criterios alternativos para hallar valores de equivalentes referidos a diferente periodicidad en los datos. Los denomino criterio 1/2 y criterio del
mximo y resultan estar muy relacionados. La validez de estas equivalencias la compruebo empricamente y la comparo con otras empleadas en la
literatura de ciclos econmicos. Adems distingo entre agregacin temporal
y muestreo sistemtico como dos alternativas de agregacin sobre las que se
encuentran diferencias de gran inters.
Introduccin
El concepto de ciclo econmico tiene un marcado carcter subjetivo, y en

la prctica, esta subjetividad ha derivado en mltiples metodologas para su
identicacin1 . Entre ellas, el ltro de Hodrick-Prescott (en adelante HP)
destaca por su empleo de forma muy generalizada. Se trata de un ltro lineal
y simtrico que requiere la eleccin a priori de un parmetro. Este parmetro,
conocido como ; tiene asignados unos valores de uso estndar, lo que por
un lado ha facilitado la utilizacin del ltro pero, por otro lado, ha dejado
en un segundo plano la funcin de este parmetro en el ltro.
El ltro HP es una herramienta fundamental en la literatura de los ciclos reales, aunque su utilizacin no tiene una justicacin clara: KydlandPrescott (1990) justican el empleo del ltro HP por su linealidad, ser un
ltro bien denido, independiente de la serie a la que se aplica, exento de
juicios subjetivos y fcil de replicar, que permite extraer la tendencia que uno
podra dibujar a mano alzada. Sin embargo otros como King-Rebelo (1993)
opinan que no hay justicacin terica para utilizar este tipo de ltro en el
contexto de los ciclos reales. Si estos modelos postulan que el crecimiento
y el ciclo econmico son dos fenmenos interrelacionados, la descomposicin
que el ltro HP hace en tendencia y ciclo no tiene sentido.
El ltro HP descompone la serie observada en dos componentes: la tendencia y el ciclo. El parmetro modula la suavidad de la tendencia y la
eleccin apropiada de este parmetro depende de la longitud de los ciclos que
se quieran extraer y la periodicidad temporal de los datos.
La eleccin a priori del parmetro se puede interpretar como una ventaja adicional del ltro HP. La posibilidad de manipular la longitud de los
ciclos reeja la subjetividad implcita en el concepto de ciclo econmico. Sin
1
En este sentido Canova (1997) es muy ilustrativo.
embargo, sta no ha sido una interpretacin habitual y en este sentido encontramos comentarios del siguiente tipo:
...The primary drawbacks of the HP lter are (...) and the
problems of choosing the smoothing parameter (...). This parameter does not have a very intuitive interpretation, and the diculties are compounded when we have to work with data that are
sampled less frequently than quarterly...(Wynne y Koo (1997))
...Arbitrariness in the choice of is the main weakness of
this method...(Dolado et al. (1993)).
En la literatura de los ciclos econmicos aparece un uso generalizado del
valor = 1600 (HP1600) para series trimestrales. Sin embargo, con series de periodicidad diferente a la trimestral no hay consenso. Por ejemplo,
para datos anuales nos encontramos con HP400 (Englund-Persson-Svensson
(1992)), HP100 (Backus-Kehoe (1992)) o HP10 (Baxter-King (1995), Domnech et al. (1997)). Todos estos ltros son vlidos pero cada uno caracteriza
un comportamiento cclico distinto; la eleccin depende del objetivo del estudio. Ahora bien, todos estos valores del parmetro para la frecuencia
anual se han empleado como valores equivalentes del = 1600 para la frecuencia trimestral. Cual de ellos es preferible como el equivalente anual del
HP1600?
Por otro lado, para la periodicidad mensual no es fcil encontrar una
orientacin sobre qu valor de emplear. En el programa de anlisis economtrico y de series temporales E-views se recomienda por defecto emplear
= 14000. En un Boletn mensual del Banco Central Europeo2 aparecen como valores por defecto = 1600 para datos trimestrales y = 14400
2
Boletn Mensual del BCE, Julio de 1999.
para los mensuales. Sin embargo en el estudio realizado en esa publicacin

sobre variaciones cclicas en la zona euro no se emplean dichos valores. Para
obtener tendencias ms suaves se utilizan valores mayores aunque no se hace
referencia a cules son estos valores ni con qu criterio se eligen.
El objetivo de esta tesina es comprobar si es posible obtener, en el contexto del ltro HP, caracterizaciones equivalentes de los ciclos utilizando
diferente periodicidad temporal en los datos.
Los ciclos de una misma serie obtenidos a partir de datos de distinta
periodicidad son equivalentes si al expresarlos en la misma periodicidad son
similares. Utilizar dos criterios alternativos para hallar la equivalencia entre
valores de asociados a diferente periodicidad. Estos dos criterios estarn
relacionados con la ganancia del ltro y el espectro del ciclo respectivamente.
Y una vez que tengamos relaciones que proporcionen valores de equivalentes
proceder de la forma siguiente3 . A partir de una serie expresada en dos
periodicidades diferentes i y j (i > j)4 calculo el ciclo para el mayor nivel
de agregacin de forma directa e indirecta. De forma directa aplicando HP
con un valor j sobre los datos de menor frecuencia: De forma indirecta
aplicando HP con el valor supuestamente equivalente i ; sobre los datos de
mayor frecuencia y agregando posteriormente. As, tenemos el ciclo de la serie
calculado de dos formas y su comparacin nos indicar en que medida hemos
aplicado ltros equivalentes. Si los ciclos resultan ser similares sabremos qu
valor de hay que utilizar en funcin de la periodicidad de los datos. Si
por el contrario los ciclos dieren podremos obtener conclusiones bien sobre
la eleccin del parmetro i equivalente, o bien acerca de los efectos de la
agregacin temporal sobre las caractersticas cclicas.
Para realizar estas comparaciones distinguir entre dos tipos de agre3
4
Ver el esquema 1.
i y j indican el nmero de observaciones por ao.
gacin: la agregacin temporal propiamente dicha, y el muestreo sistemtico.

Cuando se emplea la agregacin temporal una eleccin adecuada de permite obtener ciclos equivalentes sobre datos de diferente periodicidad. Sin
embargo la agregacin por muestreo sistemtico introduce una distorsin que
hace que los resultados no sean tan satisfactorios para este tipo de agregacin.
La tesina consta de los siguientes apartados. Primero describo el ltro HP desde dos perspectivas diferentes prestando especial atencin a la
interpretacin del parmetro : Despus comento brevemente una forma alternativa de emplear el ltro HP, propuesta por Kaiser-Maravall (1998) y
que consiste en aplicar el ltro HP sobre la serie de tendencia-ciclo extrada
con el programa SEATS. A continuacin, estudio dos criterios alternativos
para relacionar con el periodo asociado al ciclo, los llamo criterio 1/2 y
criterio del mximo. Estos dos criterios proporcionan unas relaciones que
permiten hallar los valores de equivalentes para diferente periodicidad en
los datos. En el apartado 7 analizo la validez de estas equivalencias sobre
datos mensuales, trimestrales y anuales para dos tipos de agregacin, agregacin temporal y muestreo sistemtico. Este apartado incluye una seccin
donde comparo el valor de equivalente ptimo de acuerdo con un problema
de minimizacin, con el valor de equivalente que recomiendan los criterios
anteriores. La tesina naliza con un ltimo apartado de conclusiones.
El ltro Hodrick-Prescott
El ltro HP es un ltro lineal y simtrico que se aplica sobre procesos discretos5 . Descompone una serie observada6 xt ; t = 1; 2; :::T; en dos componentes,
la tendencia, mt y el ciclo, ct :
(2.1)
xt = mt + ct
Este ltro lo podemos describir desde dos perspectivas diferentes: como

un problema de minimizacin y a partir de un modelo estructural.
2.1
Filtro HP a partir de un problema de minimizacin
Bajo la perspectiva de un problema de minimizacin el ltro HP identica

el ciclo y la tendencia equilibrando un trade-o entre suavidad y ajuste en
la tendencia:
min
fct g;fmt g
(T
X
c2t +
t=1
s:a:
T
X
t=3
[(1 B)2 mt ]2
(2.2)
xt = mt + ct
donde B es el operador retardo tal que Bzt = zt1: El valor del parmetro
se establece a priori y modula la suavidad de la tendencia mt . Cuanto mayor
sea ms suave ser la tendencia. Cuando ! 1 tenemos el mximo
suavizamiento y la tendencia es lineal. Y por el contrario cuando ! 0 el
ajuste es mximo y la tendencia coincide con la serie observada xt .
La solucin (matricial) a este problema de minimizacin es la siguiente:
m
^
T 1
= M 1 x
(2.3)
El Apndice A contiene un breve repaso de este tipo de ltros.

Cuando me reera a la serie observada xt ; se entender que est previamente desestacionalizada. Si no fuera as, el componente estacional quedara includo dentro del ciclo.
La desestacionalizacin previa de la serie no va a tener inuencia sobre los resultados que
vamos a tratar en este trabajo y en general no haremos referencia a este paso previo.
6
c^
T 1
= xm
^
donde
2
0
M = [I + K K]
T T
2.2
K =6
6
T 2T
2 1
6 1
6
6
6 0
6 ::: :::
6
4
::: :::
2 1
:::
:::
::: :::
:::
0 7
7
0 7
7
7
7
::: 7
7
5
2 1
El ltro HP como modelo estructural
El ltro HP puede interpretarse a partir del siguiente modelo estructural:
xt = mt + ct
r2 mt = amt
(2.4)
ct = act
donde amt y act son dos ruidos blancos incorrelacionados con varianzas 2m y
2c respectivamente. En este modelo los nicos parmetros desconocidos son
las varianzas 2m y 2c . Y si denimos:
=
2c
2m
(2.5)
el modelo queda totalmente determinado con la eleccin a priori de ; que

en este contexto, no es ms que un ratio de varianzas.
El modelo (2.4) tiene como forma reducida equivalente un modelo IMA(2,2):
r2 xt = HP (B)at
(2.6)
donde HP (B) = (1 1 B 2 B 2 ), at son las innovaciones con varianza 2a

y los parmetros 1 ,2 y 2a son funcin de 2m y 2c ; es decir, de :
6
La estimacin MMSE7 del ciclo y la tendencia, m

^ t y c^t ; se obtiene utilizando el ltro Wiener Kolmogorov (WK) sobre xt
. Ambos ltros, el de la
c
tendencia #m
HP (B; F ) y el del ciclo #HP (B; F ); son lineales, innitos, simtri-
cos y convergentes. Esta ltima propiedad de convergencia permite aplicar

el ltro sobre una serie nita si la extendemos con predicciones hacia delante
y hacia atrs9 . Las expresiones de estas estimaciones son las siguientes:
m
^t =
#m
HP (B; F )xt
1
2m
= 2
xt
a HP (B)HP (F )
c^t = #cHP (B; F )xt = [1 #m

HP (B; F )] xt =
(2.7)
2c (1 B)2 (1 F )2
xt
2a HP (B)HP (F )
que se pueden escribir en funcin del parmetro como:

m
^ t = #m
HP (B; F )xt =
1
xt
1 + (1 B)2 (1 F )2
c^t = #cHP (B; F )xt = [1 #m

HP (B; F )] xt =
(2.9)
(1 B)2 (1 F )2
xt (2.10)
1 + (1 B)2 (1 F )2
Si ! 2 (0; ) es la frecuencia en radianes, la funcin de ganancia del ltro
para la tendencia y el ciclo son respectivamente:

#m
HP (!; ) =
1
1 + 4(1 cos(!))2
#cHP (!; ) = 1 #m
HP (!; ) =
4(1 cos(!))2
1 + 4(1 cos(!))2
(2.11)
(2.12)
Los grcos 1 y 2 del Anexo recogen la forma de estas ganancias para

tres valores diferentes de (400, 1600, 3200). Cuanto mayor es ; menor
7
Error cuadrtico medio mnimo.

Una explicacin ms detallada de este ltro aparece en Maravall (1995).
9
Burman (1980) muestra un algoritmo para la aplicacin de este ltro.
8
es la contribucin de las frecuencias ms altas en la ganancia del ltro para

la tendencia; lo que se traducir en una tendencia ms suave. Por otro
lado, el grco 3 recoge el ciclo del PIB trimestral de la economa espaola
(1975-1998) cuando aplicamos el ltro HP con los valores anteriores. Como
podemos observar el crecimiento del parmetro produce ciclos con mayor
amplitud.
Forma alternativa de emplear el ltro HP
Normalmente el ltro HP se emplea sobre series desestacionalizadas. KaiserMaravall (1998) proponen una forma alternativa de utilizar este ltro que
mejora notablemente los resultados. Su propuesta es doble y queda resumida de la siguiente forma. Por un lado, para reducir las revisiones en la
estimacin del ciclo (en el principio y nal de la muestra) proponen extender previamente la serie con predicciones hacia delante y hacia atrs. De
este modo el ltro se aplica de forma completa para todos los datos de la
muestra y la aparicin de nuevas observaciones slo modicar las estimaciones del ciclo como consecuencia de los errores de prediccin. Por otro lado,
Kaiser-Maravall (1998) proponen la aplicacin del ltro HP sobre la serie de
tendencia-ciclo obtenida con el programa SEATS, ya que la eliminacin del
componente irregular10 permite obtener una seal del ciclo ms clara.
En esta tesina siempre se realizan predicciones previas de la serie a la que
se le aplica el ltro HP y se trabaja con las dos alternativas, la serie original11
y la serie de tendencia-ciclo. Me referir siempre a la serie observada y slo
cuando sea relevante har la distincin sobre si el ltro se aplica a la serie
desestacionalizada o a la tendencia-ciclo.
10
La serie tendencia-ciclo es pt = xt st ut ; donde st es el componente estacional y

ut es el componente irregular, ruido blanco.
11
Desestacionalizada con el programa SEATS.
Equivalencia en valores de asociados a

diferente periodicidad en los datos
Parece haber un acuerdo general en utilizar = 1600 para series trimestrales. Esta eleccin se suele justicar, bien por ser el valor que recomendaron Hodrick y Prescott (1980)12 , o bien por haberse convertido en un valor
convencional que permite hacer comparaciones entre trabajos empricos.
Para periodicidad diferente a la trimestral no hay acuerdo. As para series
anuales se emplean tres valores diferentes de , 10, 100 y 400, como valores
equivalentes a = 1600 para series trimestrales.
Baxter-King (1995) recomiendan la utilizacin de = 10; ya que la ganancia del ltro HP10 es parecida a la de un ltro pasa-banda ideal que extrae
ciclos de 8 aos. Pero que relacin hay entre = 1600 y = 10?
Por otro lado, la eleccin de = 400 es el resultado de dividir 1600 entre
4, donde el 4 representa la relacin entre el nmero de observaciones al ao
con datos trimestrales y anuales. Entonces, dada esta relacin Deberamos
emplear = 4800 para datos mensuales?. El valor de = 400 es empleado
por Dolado et al. (1993) en el siguiente caso. Los autores estudian las caractersticas cclicas de la economa espaola utilizando la Contabilidad Nacional
Trimestral y aplicando HP1600. Encuentran que la serie de consumo es ms
voltil que la del PIB (que determina el ciclo de referencia). Este resultado
contradice la teora tradicional del consumo, y lo atribuyen a la construccin
de la serie de consumo, que incluye el Consumo Duradero. Entonces, recurren a la serie de Consumo de Bienes y Servicios No Duraderos de periodicidad anual y aplican un HP400. Pero, Han aplicado de forma homognea
12
Hodrick-Prescott(1997) recuerdan que interpretando el ltro HP en el marco de un

modelo estructural la eleccin de = 1600 se justica del siguiente modo: Our prior view
is that a 5 percent cyclical component is moderately large, as
of 1 percent
p is a one-eight
5
change in the growth rate in a quarter. This led us to select = 1=8
= 40 o = 1600:
el ltro? Tiene sentido comparar ciclos obtenidos con datos trimestrales y

HP1600 con ciclos obtenidos con series anuales y HP400? Como vamos a ver
ms adelante la aplicacin de HP400 en series anuales aumenta la longitud de
los ciclos respecto a los que obtendramos agregando a periodicidad anual el
ciclo trimestral HP1600. El efecto sobre la volatilidad tiene el mismo sentido.
Pero el efecto sobre la volatilidad relativa entre PIB y consumo, que es lo que
a los autores les interesa, es en principio indeterminado. En cualquier caso
este efecto ser reducido, puesto que el aumento de la volatilidad al aplicar
HP400 afecta tanto al PIB como al consumo.
Para analizar la equivalencia entre valores de referidos a periodicidades
diferentes presento dos criterios alternativos que asocian valores de al periodo de referencia del ciclo, es decir, dos criterios que permiten asociar valores de a la longitud de los ciclos:
Criterio 1 (criterio 1/2 ): el periodo asociado al ciclo es aquel para el que
la ganancia del ltro toma el valor 1=2: Este criterio es independiente
del tipo de proceso sobre el que se aplica el ltro13 .
Criterio 2 (criterio del mximo): el periodo asociado al ciclo es aquel correspondiente al pico espectral del ciclo. Este criterio depende del proceso
estocstico al que se aplica el ltro.
A partir de estos criterios deno la equivalencia entre dos valores de de
la siguiente forma:
Denicin (equivalencia): i y j son equivalentes para datos de periodicidad i y j, si el periodo asociado al ciclo estimado con i para datos
13
Esta forma de asociar el valor de a la longitud de los ciclos es muy habitual. Ver por
ejemplo Kaiser-Maravall (1998) o Domnech et al. (1998). Tambin se emplea en otras
metodologas ntimamente relacionadas con el ltro HP, en este sentido es interesante el
trabajo de Garca-Ferrer-Queralt (1998).
10
de periodicidad i, y el periodo asociado al ciclo estimado con j para

datos de periodicidad j son iguales cuando estos periodos se expresan
en la misma unidad de tiempo.
En principio esperamos que las equivalencias derivadas de estos dos criterios dieran y tengamos que discriminar entre una u otra. Pero como luego
veremos, no es as. Para algunos procesos los dos criterios van a coincidir,
y para el resto la diferencia no va a ser tan grande como para afectar a las
caractersticas cclicas. En la prctica esto nos permite emplear ambos criterios indistintamente aunque ser ms til emplear el criterio 1/2, ya que no
depende del tipo de proceso al que se aplica el ltro.
Equivalencia segn el criterio 1/2
Segn este criterio el periodo asociado al ciclo se corresponde con el de la

ganancia del ltro igual a 1/2. De esta forma obtenemos las expresiones:
= f (!) =
1
4 [1 cos(!)]2
8
<
! = f 1 () = arccos :1
9
1=
4 ;
(5.1)
(5.2)
Si la relacin entre la frecuencia y el periodo es
2
!
(5.3)
entonces dado i ; el periodo asociado al ciclo ser i = 2=! i donde ! i se

calcula a partir de (5.2). Por ejemplo, si 4 = 1600 la frecuencia ! 4 son 0:16
radianes y el periodo 4 son 39 trimestres.
11
El grco 4 y las tablas 1 y 2 muestran la relacin entre y el periodo

asociado al ciclo, 14 . A mayor valor de , mayor es el periodo asociado al
ciclo, ya que si la tendencia es ms suave, las desviaciones de la serie respecto
a la tendencia sern mayores y por tanto los ciclos sern ms largos.
Con estas relaciones es muy sencillo hallar valores de equivalentes para
diferentes periodicidades. Por ejemplo si aplicamos 4 = 1600 a datos trimestrales, sabemos que el periodo asociado al ciclo es 4 = 39 trimestres, es decir
9.92 aos. Para obtener el ciclo equivalente sobre datos anuales jaremos un
periodo asociado al ciclo de 1 = 9:92, y a travs de (5.1) obtenemos el valor
1 = 6:65 como equivalente a 4 = 1600. Si realizamos los mismos pasos
para buscar el valor mensual obtendremos que 12 = 129119:
Para hallar los valores de equivalentes hay que seguir estos pasos:
1. Dado un valor i inicial, (5.3) y (5.2) nos dan el periodo asociado al
ciclo i expresado en unidades de la periodicidad de partida i15 .
2. El periodo16 expresado en la periodicidad alternatva j es: j = i ji .
3. Aplicando (5.3) y (5.1) hallamos el valor equivalente j :
Equivalencia segn el criterio del mximo
Con este criterio el periodo asociado al ciclo es aquel que maximiza la funcin
del espectro del ciclo. En principio parece ms adecuado porque toma como
referencia la frecuencia que tiene mayor contribucin en la varianza del ciclo.
Pero no es un criterio tan directo como el anterior, ya que requiere el clculo
14
La relacin no depende de la desestacionalizacin de la serie (Kaiser-Maravall (1998)).
15
La periodicidad se expresa como el nmero de datos al ao.

En la prctica no se calcula el periodo y esta transformacin se hace directamente
sobre las frecuencias: !j = ji !i .
16
12
previo del espectro de la serie:

gc (!) = [#cHP (!; )]2 gx (!)
(6.1)
donde gc (!) es el espectro del ciclo, y gx(!) es el espectro de la serie.

Calculando la forma analtica de gc (!) y su mximo para varios procesos estocsticos vamos a ver como este criterio se puede simplicar. En la
prctica, la nica informacin necesaria para relacionar los valores de y la
longitud de los ciclos va a ser el orden de integracin de la serie. Los ejemplos que presento son relevantes para ver cmo funciona y cmo se puede
simplicar el criterio del mximo aunque no incluyen la totalidad de procesos. Concretamente voy a distinguir procesos integrados de orden uno y
dos con medias mviles de hasta orden dos. No obstante, las conclusiones se
reeren a un conjunto ms amplio de procesos que incluyen autorregresivos17
y medias mviles de mayor longitud sobre los que tambin se ha trabajado
aunque no se presenten resultados.
Al igual que con el criterio 1/2 para hallar las equivalencias necesitamos
relaciones del tipo = h(! max ) y ! max = g() de forma que, dado i ; i; j :
1. La frecuencia asociada al mximo se calcula como ! max
= g(i ):
i
:
2. La frecuencia en trminos de la periodicidad j es: ! max
= ji ! max
i
j
3. Por ltimo, j = h(! max
):
j
6.1
6.1.1
Procesos integrados de orden uno

Paseo aleatorio
Sea xt un paseo aleatorio:

17
Este hecho es lgico teniendo en cuenta que los procesos autoregresivos (estacionarios)
siempre se pueden expresar como medias mviles de orden suentemente largo.
13
at r:b:(0; 2a )
(1 B)xt = at
(6.2)
donde r:b: = ruido blanco, con espectro:

1
2 [1 cos(!)]
(6.3)
82 [1 cos(!)]3
2a
f1 + 4[1 cos(!)]2 g2
(6.4)
gx(!) =
El espectro del ciclo, aplicando (6.1) es:
gc (!) =
y de la maximizacin de esta funcin respecto a ! se obtiene:
= h(!) =
3
4[1 cos(!)]2
8
<
! = g() = ar cos :1
(6.5)
9
3=
4 ;
(6.6)
El grco 5 muestra el espectro del ciclo del paseo aleatorio para varios
valores de . A mayor menor es la frecuencia que maximiza el espectro y
mayor el periodo asociado al ciclo.
6.1.2
IMA(1,1)
Sea xt un proceso IMA(1,1):
(1 B)xt = (1 + 1 B)at
at r:b:(0; 2a )
(6.7)
con espectro:
gx (!) =
1 + 21 + 21 cos(!)
2[1 cos(!)]

14
(6.8)
gc (!) =
h
i
82 [1 cos(!)]3
2
1
+
+
2
cos(!)
2a
1
1
f1 + 4[1 cos(!)]2 g2
(6.9)
= h(!) =
21
3
2
2
4[1 cos(!)]
(1 + 1 ) [1 cos(!)]
8
<
{z
I(1)
{z
MA(1)
v
u
(6.10)
=
u 3
1
21
t
! = g() = ar cos :1 +
+
(1 + 1 )2
4 2 (1 + 1 )4 ;
(6.11)
donde claramente podemos ver las diferencias respecto a las relaciones halladas con el paseo aleatorio.
El grco 6 muestra el espectro del ciclo calculado con = 1600 para
tres procesos IMA(1,1) de parmetro 1 = 0:2; 0:2; y 0:6:
6.1.3
IMA(1,2)
Sea xt un IMA(1,2):
(1 B)xt = (1 + 1 B + 2 B 2 )at
at r:b:(0; 2a )
(6.12)
con espectro:
gx (!) =
1 + 21 + 21 cos(!) + 22 + 21 2 cos(!) + 22 cos(2!)

2[1 cos(!)]
(6.13)
gc (!) =
82 [1 cos(!)]3 1 + 21 + 21 cos(!) + 22 + 2 2 [2 cos(!) + cos(2!)] 2a

f1 + 4[1 cos(!)]2 g2

15
(6.14)
4(1 cos(!))2
{z
I(1)
(6.15)
21 + 2 1 2 + 82 cos(!)
f(1 + 1 + 2 )2 42 (1 cos(!))2 g (1 cos(!))
{z
MA(2)
En este caso despejar ! max de las condiciones de primer orden es difcil

por lo que habra que calcularlo numricamente.
El grco 7 muestra el espectro del ciclo calculado con = 1600 para
diferentes procesos IMA(2,1).
Observando estas expresiones y los grcos 5, 6 y 7 nos damos cuenta
de que para los procesos I(1) estudiados, dado un valor de ; la frecuencia
que se corresponde con el mximo se mantiene casi constante. Este hecho se
mantiene con procesos I(1) que incluyen parte autorregresiva, de forma que
en la prctica el criterio del mximo para procesos I(1) se puede aproximar
utilizando las expresiones (6.5) y (6.6) en los pasos 1 y 3 descritos anteriormente. Adems, jndonos en esas relaciones y en la de la ganancia del ltro
para el ciclo (2.12) se puede comprobar que el mximo se encuentra donde
la ganancia toma el valor 0.75 y por tanto podemos decir que el criterio del
mximo para procesos I(1) equivale a un criterio que llamaramos criterio
3/4
Bajo este criterio el valor anual equivalente al 4 = 1600 es 1 = 6:94 que
se corresponde con un periodo de 30.10 trimestres o 7.52 aos. Aunque la
longitud de los ciclos que indica este criterio es menor que la correspondiente
al criterio de 1/2, los valores de equivalentes para periodicidad trimestral
y anual son muy parecidos.
Para datos mensuales el valor equivalente es 12 = 128180 que a pesar de
diferir cerca de 1000 puntos del 12 = 129119; da lugar a diferencias entre
16
los ciclos que sern insignicantes.

El grco 8 muestra cual es la relacin entre y el periodo asociado al
ciclo de acuerdo a este criterio para procesos I(1). Adems se ha superpuesto
el grco 4 anterior para hacer notar las diferencias con el criterio 1/2.
6.2
6.2.1
Procesos integrados de orden dos

I(2)
Sea xt un proceso I(2):

(1 B)2 xt = at
at r:b:(0; 2a )
(6.16)
con espectro:
gx (!) =
1
4[1 cos(!)]2
(6.17)
42 [1 cos(!)]2
gc (!) =
2a
f1 + 4[1 cos(!)]2 g2
(6.18)
= h(!) =
1
4[1 cos(!)]2
8
<
! = g() = ar cos :1
(6.19)
9
1=
4 ;
(6.20)
El grco 9 muestra el espectro del ciclo de este proceso para varios valores
de . A mayor menor es la frecuencia que maximiza el espectro y mayor
es el periodo asociado al ciclo.
17
6.2.2
IMA(2,1)
Sea xt un IMA(2,1):
(1 B)2 xt = (1 + 1 B)at
at r:b:(0; 2a )
(6.21)
con espectro:
gx (!) =
1 + 21 + 21 cos(!)
4[1 cos(!)]2
(6.22)
gc (!) =
h
i
42 [1 cos(!)]2
2
1
+
+
2
cos(!)
2a
1
1
2
2
f1 + 4[1 cos(!)] g
(6.23)
= h(!) =
1
1
2
2
4[1 cos(!)]
2[1 + 1 + 1 + 1 cos(!)][1 cos(!)]
{z
I(2)
{z
MA(1)
(6.24)
En este caso despejar ! max de las condiciones de primer orden es complicado y se tendra que hallar numricamente.
De nuevo podemos ver la diferencia respecto a las relacin hallada con
el proceso anterior. El grco 10 muestra el espectro del ciclo calculado con
= 1600 para tres procesos IMA(2,1) de parmetro 1 = 0:2; 0:2; y 0:6:
6.2.3
IMA(2,2)
Sea xt un IMA(2,2):
(1 B)2 xt = (1 + 1 B + 2 B 2 )at
18
at r:b:(0; 2a )
(6.25)
con espectro:
gx (!) =
1 + 21 + 21 cos(!) + 22 + 21 2 cos(!) + 22 cos(2!)

4[1 cos(!)]2
(6.26)
gc (!) =
42 [1 cos(!)]2 1 + 21 + 21 cos(!) + 22 + 2 2 [1 cos(!) + cos(2!)] 2a

f1 + 4[1 cos(!)]2 g2
(6.27)
4(1 cos(!))2
{z
I(2)
(6.28)
1 + 1 2 + 42 cos(!)
2 f1 + 1 [1 + 1 + cos(!)] + 2 [ 2 2 + cos(!)(2 + 1 )]g [1 cos(!)]
{z
MA(2)
Como en el caso anterior ! max hay que hallarlo numricamente a partir

de las condiciones de primer orden.
Con las expresiones anteriores y los grcos 9,10 y 11 vemos como a lo
largo de los procesos I(2) estudiados la frecuencia correspondiente al mximo
del espectro del ciclo se mantiene aproximadamente constante. Este hecho
se generaliza a otros procesos I(2) que incluyen parte autorregresiva y por
eso en la prctica podemos utilizar las expresiones (6.19) y (6.20) para los
procesos I(2). Adems, estas expresiones coinciden con las del criterio 1/2,
lo que nos permite concluir que para los procesos I(2) las relaciones obtenidas
con ambos criterios son las mismas.
En resumen, para hallar el equivalente hay que seguir estos pasos. Dado
i ; i; j :
19
1. La frecuencia asociada al mximo se calcula como ! max

= g(i ):
i
2. La frecuencia en trminos de la periodicidad j es: ! max
= ji ! max
:
j
i
3. Por ltimo, j = h(! max
):
j
Las relaciones entre ! y se pueden simplicar a dos casos. Para pocesos
I(1) son aquellas que se obtienen igualando la ganancia del ltro para ciclo
a 3/4, es decir, las expresiones (6.19) y (6.20). Para procesos I(2) son las
mismas que las del criterio 1/2, es decir, las expresiones (6.5) y (6.6)18 .
Para aquellos procesos cercanos a ambos ordenes de integracin hay que
decidir el orden de integracin para utilizar unas expresiones u otras y en
cualquier caso siempre se podr calcular el espectro del ciclo y la frecuencia
correspondiente a su mximo para realizar los clculos de forma exacta.
Tras este anlisis podemos concluir que ambos criterios son muy parecidos
y en algunos casos idnticos. Lo hemos comprobado al calcular el valor para
datos anuales y mensuales equivalente al 1600 trimestral, y ahora lo veremos
sobre algunos ejemplos ms concretos. Esto me permite hacer una recomendacin prctica: utilizar las relaciones derivadas del criterio 1/2 para hallar
los valores de equivalentes. Como veremos a continuacin este criterio
funciona satisfactoriamente.
Validez de las equivalencias al calcular el

ciclo de una serie sobre datos de diferente
periodicidad
En este apartado voy a ilustrar como funcionan las equivalencias recomendadas anteriormente frente a las que se emplean en la prctica. Comenzamos
18
La agregacin de procesos mantiene el orden de integracin (Wei-Stram (1986)) si no

fuera as habra que utilizar con un poco ms de cuidado las expresiones.
20
con unos procesos simulados y despus emplearemos algunas series econmicas.

La forma de proceder es la siguiente19 : tenemos una serie expresada en
dos periodicidades diferentes i y j (i > j) y calculo el ciclo para el mayor
nivel de agregacin de forma directa e indirecta. La forma directa consiste
en aplicar HP con j sobre los datos de menor frecuencia. Este valor j se
asocia a una longitud determinada de los ciclos y tendr un valor equivalente
i asociado a la periodicidad i. La forma indirecta consiste en agregar el ciclo
que obtenemos tras aplicar HP con i a los datos de mayor frecuencia. La
comparacin de los ciclos directo e indirecto nos informar sobre la equivalencia del ltro HP al aplicarlo a datos de diferente periodicidad. Si los ciclos
comparados resultan ser similares sabremos qu valores de hay que utilizar
en funcin de la periodicidad. Si por el contrario los ciclos dieren, entonces
su comparacin nos indicar, o bien que hemos hecho una mala eleccin del
valor i equivalente, o bien en qu medida la agregacin temporal a afectado
a las caractersticas cclicas de la serie en cuestin.
Para facilitar la exposicin parto del valor convencional =1600 como eje
principal del anlisis y estudio ciclos con periodicidades mensuales, trimestrales y anuales. Me centro en varios procesos que me parecen signicativos,
estos son, IMA(1,1) trimestral, IMA(2,1) trimestral, lneas areas mensual, y
lneas areas trimestral. Por ltimo se diferencia entre la agregacin temporal propiamente dicha (suma no solapada de datos) y muestreo sistemtico
(para variables stock). Con la agregacin temporal veremos como una eleccin adecuada de permite obtener ciclos equivalentes sobre datos de diferente periodicidad. Sin embargo con la agregacin por muestreo sistemtico
se produce una pequea distorsin en la seal del ciclo como consecuencia
19
Ver el esquema 1, que ilustra el caso trimestral-anual.
21
de la forma de agregacin.
He propuesto dos criterios alternativos para determinar los valores de
equivalentes y por tanto habra que ver en que medida dieren y elegir entre
uno y otro. Sin embargo, como ya hemos visto en los apartados anteriores,
la diferencia no va a ser sucientemente grande como para discriminar entre
ellos. Si estudiamos caso a caso, siempre un criterio dominar frente al otro,
salvo que ambos coincidan. Pero las diferencias van a ser tan pequeas que
no ser prctico plantearse tal dominancia. La recomendacin que hago y
en los siguientes ejemplos se pone en prctica es utilizar las equivalencias
derivadas del criterio 1/2.
7.1
Agregacin temporal
La agregacin temporal se emplea para variables ujo y consiste en la agregacin de datos mediante sumas no solapadas. Es decir, si xt es un proceso
estocstico con valores para t = 1; 2; :::mT; el proceso agregado es una suma
no solapada de m valores del proceso anterior:
Xn = (1 + B + ::: + B m1 )xmn
n = 1; 2; :::; T
(7.1)
donde m es el orden de agregacin. Por ejemplo m = 4 para agregar series

trimestrales a anuales.
En este caso vamos a ver como las equivalencias sugeridas por el criterio
1/2 permiten obtener ciclos con caractersticas similares. Mostrar cmo
algunos valores de ; empleados como equivalentes anuales del 1600, inducen
una mayor amplitud en los ciclos anuales, que afecta no slo su variabilidad
sino adems el supuesto calendario de expansiones y recesiones. Por otro
lado el valor de empleado habitualmente como equivalente mensual del
1600 induce una menor variabilidad en los ciclos trimestrales y anuales20 .
20
Estos resultados se mantienen cuando se emplean medias aritmticas no solapadas
22
7.1.1
Anlisis para un IMA(1,1) e IMA(2,1) trimestral
Genero 200 observaciones de un IMA(1,1) trimestral con parmetro 1 =

0:5:21 Calculo el ciclo anual de forma indirecta, es decir, aplicando HP160022
a la serie trimestral y agregando el ciclo obtenido. Para calcular el ciclo de
forma directa sobre la serie anual, primero agrego los datos y despus aplico
HP con varios valores de : Utilizo el valor que sugiere el criterio 1/2, es
decir = 6:65; y el resto de valores encontrados en la literatura de los ciclos econmicos: = 10; 100 y 400. En el grco 12 se comparan el ciclo
anual calculado directa e indirectamente. Claramente se ve cmo el valor
de = 6:65 es el valor anual ms apropiado para mantener las propiedades
del ciclo. El resto de los valores, especialmente = 100 y 400 aumenta la
volatilidad y la longitud de los ciclos. Cuando hacemos este ejercicio sobre
un IMA(2,1) los resultados, recogidos en el grco 13, son similares.
Hay que hacer varias puntualizaciones. Primero, segn el criterio del
mximo deberamos emplear = 6:94; pero viendo las diferencias entre =
10 y = 6:65 no merece la pena mostrar los resultados, y s resaltar la
proximidad de ambos criterios. Si empleamos la serie de tendecia-ciclo los
resultados son similares. La agregacin a frecuencia anual elimina mucho
ruido y las diferencias entre utilizar la serie original o la tendencia-ciclo son
pequeas.
7.1.2
Anlisis sobre un proceso lneas areas mensual
Realizo el mismo ejercicio sobre una serie mensual con estacionalidad recogida
en un modelo de lneas aeras con parmetros 1 = 0:6 y 12 = 0:4.23
1
para la agregacin: Xn = m
(1 + B + ::: + B m1 )xmn :
21
Este ejemplo viene ilustrado en el esquema 1.
22
Recordamos que el ltro HP se aplica sobre la serie extendida con 8 predicciones hacia
delante y hacia atrs.
23
Este ejemplo viene ilustrado en el esquema 2.
23
Considero dos niveles de agregacin diferentes: trimestral y anual. Al agregar

a trimestral la estacionalidad y el tipo de modelo se mantiene. Al agregar a
anual la estacionalidad desaparece.
Para datos mensuales utilizamos dos valores de , el que se emplea por
defecto como equivalente al 1600 trimestral, = 1400024 , y el que obtenemos con el criterio 1/2, = 129119: Es curioso que en este caso el valor
equivalente que recomienda el criterio 1/2 es signicativamente mayor al
que se utiliza por defecto, mientras que para series anuales el valor equivalente recomendado por el criterio 1/2 era mucho menor que el empleado
convencionalmente.
El grco 14 recoge los resultados de los ciclos trimestrales calculados
directa e indirectamente cuando aplicamos HP sobre la serie desestacionalizada. Como puede observarse el empleo de = 14000 reduce la volatilidad
de los ciclos y afecta el calendario de expansiones y recesiones.
El grco 15 recoge resultados similares pero en este caso los ciclos se
calculan sobre la serie de tendencia-ciclo. Las conclusiones en cuanto a la
validez del criterio son las mismas, y adems se puede observar como la
eliminacin del componente irregular de la serie deja una seal ms clara en
el ciclo.
El grco 16 muestra el ciclo directo anual y el ciclo anual calculado
indirectamente a partir de la serie mensual con = 129119: Los resultados
grcos muestran que el equivalente anual es = 6:65 y que la agregacin
temporal de ciclos no produce distorsiones en las caractersticas cclicas25 .
24
Este valor viene por defecto en el programa para series temporales E-views para la
frecuencia mensual.
25
De nuevo, la ventaja de emplear la serie de tendencia-ciclo con datos anuales es pequea y no se muestran los resultados.
24
7.2
Muestreo sistemtico
El muestreo sistemtico se emplea para variables stock. Si xt es un proceso

estocstico con valores para t = 1; 2; :::mT , El proceso agregado es:
Xn = xmn
n = 1; 2; :::; T
(7.2)
donde m es el orden de agregacin.

Con algunos ejemplos vamos a ver como la correspondencia entre los ciclos
de una serie obtenidos a partir de datos con diferente periodicidad se sigue
manteniendo aunque no siempre es tan buena como ocurra con la agregacin
temporal.
7.2.1
Anlisis para un IMA(1,1) trimestral
Este ejemplo es similar al descrito para la agregacin temporal. El grco

17 recoge los resultados. En este caso no est tan claro que valor de
deberamos emplear. El comportamiento derivado de = 6:65 o = 10 es
muy parecido y en ambos casos se produce un desajuste en la volatilidad y
las fases del ciclo.
7.2.2
Anlisis para un proceso lneas areas mensual
Realizamos el mismo ejemplo descrito anteriormente para un modelo de lneas

aeras con parmetros 1 = 0:6 y 12 = 0:4. El grco 18 muestra los
ciclos trimestrales sobre la serie trimestral desestacionalizada. El grco 19 se

reere al caso en que se aplica HP a la serie de tendencia-ciclo. Y por ltimo
el grco 20 recoge los resultados para la agregacin anual. La conclusin es
similar a la de la agregacin temporal, sin que en este caso se produzcan los
desfases comentados para el IMA(1,1).
25
7.3
Una aplicacin a series de exportacin e importacin

de la economa espaola
Como ltima aplicacin he seleccionado dos series de la economa espaola.

Son las series mensuales de exportaciones e importaciones totales26 para el
periodo 1970-1998.
Calculo el ciclo mensual con los valores 1 = 14000 y 2 = 129119: El
grco 21 muestra estos ciclos tanto para la serie desestacionalizada como
para la tendencia-ciclo. El ciclo con 1 es de menor longitud y volatilidad.
La seal del ciclo cuando se emplea la tendencia-ciclo es ms clara.
Calculo el ciclo directo e indirecto trimestral. El ciclo indirecto es la
agregacin del ciclo mensual anterior. El ciclo directo se obtiene a partir de
los datos trimestrales al aplicar HP con = 1600: En el grco 22 podemos
comprobar como 2 es el valor mensual equivalente al 1600 trimestral. Este
resultado se mantiene al emplear la tendencia-ciclo (ver grco 24).
Este ejemplo nos sirve adems para destacar otra cuestin. Es habitual
tomar logaritmos en las series econmicas antes de calcular el ciclo. Si calculamos el ciclo directo e indirecto tomando logaritmos antes de aplicar del
ltro HP se produce un efecto de nivel considerable. Este efecto proviene de
la no linealidad del logaritmo y como muestra el grco 24 el efecto de nivel
es claro mientras que no hay efecto de fase alguno, es decir, los puntos de
corte con la lnea del cero, para determinar el calendario de fases, coinciden.
Es importante ser conscientes de este efecto de nivel cuando se utilicen los
logaritmos.
26
La serie de importaciones incluye productos energticos lo cual la hace especialmente

voltil. Estos productos suelen excluirse para el estudio de los ciclos pero en nuestro caso
no ser necesario.
26
7.4
Valor de que minimiza la distancia entre los ciclos

directos e indirectos
Los ejemplos anteriores, aunque muy particulares, ilustran dos cosas. La

primera se reere al buen funcionamiento de las equivalencias derivadas de
los criterios estudiados frente a las equivalencias empleadas habitualmente
en la literatura econmica. Y la segunda tiene que ver con las diferencias
encontradas con ambos tipos de agregacin. Mientras que la agregacin temporal no produce prcticamente ninguna distorsin sobre el ciclo, el muestreo
sistemtico puede producir pequeos efectos sobre las caractersticas de los
ciclos.
El anlisis anterior es fundamentalmente grco. Para concluir este apartado y poder ilustrar de forma ms general los resultados mostrados anteriormente calculo el valor de que minimiza la distancia entre los ciclos
directo e indirecto. Este valor sera el equivalente ptimo y su clculo para
algunos procesos nos permite evaluar las equivalencias propuestas. Me voy a
restringir al ciclo anual cuando se obtiene indirectamente a partir de datos
trimestrales y = 1600; y vamos a calcular el valor estimado de D para
datos anuales que minimiza la distancia entre el ciclo directo e indirecto:
MIN (CÎ C^D )0 (CÎ C^D )
^D
donde CÎ y C^D son respectivamente el ciclo indirecto y directo, cuya expresin
viene detallada en el Apndice B.
^ D depende de la realizacin particular del proceso con el que se
El valor
trabaje. Por eso considero varios procesos I(1) e I(2) y para cada uno realizo
^ D y la desviacin tpica que se
100 simulaciones. Calculo el valor medio de
recogen en las tablas 3 y 4. En la tabla 3 tenemos los resultados para los
procesos I(1). Como se puede observar para la agregacin temporal el valor
27
^ D es muy parecido al que sugiere el criterio 1/2, y las desviaciones

medio
tpicas son pequeas. Para la agregacin por muestreo sistemtico los valores
^ D son signicativamente ms altos, con desviaciones tpicas ms grandes;
de
y en algunos casos nos encontramos con problemas numricos para calcular
el mnimo. De nuevo estos resultados reejan el hecho de que la agregacin
por muestro sistemtico introduce distorsiones sobre las que sera necesario
hacer un estudio ms profundo. Para los procesos I(2), el valor medio de
^ D es muy parecido al propuesto, = 6:65; para ambos tipos de agregacin;
aunque las desviaciones tpicas para la agregacin temporal son en este caso
mucho ms pequeas.
Si analizamos la funcin que queremos minimizar podemos sacar algunas conclusiones adicionales. Para ello el grco 25 recoge la forma de esta
funcin para los dos tipos de agregacin y para 5 simulaciones de algunos
procesos. La principal conclusin es que para aquellos procesos con un componente irregular grande, es decir, valor muy negativo, los problemas del
muestreo sistemtico se traducen en un problema numrico. Sin embargo a
medida que el valor de este parmetro crece o para procesos dominados por
una tendencia suave, como los I(2), este problema desaparece y el mnimo
de la funcin est denido. Pero an cuando este mnimo empieza a aparecer, existe una diferencia entre ambos tipos de agregacin: en el mnimo,
la distancia entre el ciclo directo e indirecto es prcticamente cero para la
agregacin temporal mientras que para el muestreo sistemtico es siempre
mayor. Y por ltimo, estos grcos reejan como el crecimiento del valor de
afecta de forma diferente la distancia entre ambos ciclos dependiendo de
cada realizacin particular.
Como conclusin podemos decir que las relaciones propuestas para hallar
valores de equivalentes con datos de diferente periodicidad son adecuadas,
28
pero que hay que tener cuidado con la forma de agregacin. Este ejercicio sirve para ilustrar los problemas asociados a la agregacin por muestreo
sistemtico que son especialmente relevantes en series con un componente
irregular grande no dominadas por tendencias suaves.
29
Conclusiones
De esta tesina se obtienen cuatro conclusiones que se resumen de la forma

siguiente:
El parmetro afecta el ciclo estimado y esto debe ser tenido en cuenta
a la hora de elegir su valor. El papel de en el ltro HP ha sido secundario
al haber un acuerdo tcito sobre el valor que debe tomar este parmetro.
Existe una relacin de equivalencia entre los valores de cuando aplicamos el ltro HP a datos de diferente periodicidad. Esta relacin se puede
aproximar utilizando dos criterios alternativos criterio 1/2 o criterio del
mximo. Ambos criterios derivan valores de equivalentes similares y su
diferencia fundamental est en la longitud que asignan a los ciclos estimados. En la prctica se recomienda emplear el primer criterio puesto que las
relaciones que implica son independientes de la serie a la que se aplica el
ltro.
La equivalencia de los ciclos calculados a partir de datos con diferente
periodicidad funciona mejor con agregacin temporal que con muestreo sistemtico. Este ltimo tipo de agregacin produce una distorsin en los ciclos
especialmente en procesos con un componente irregular grande y no dominados por tendencias suaves.
Los resultados anteriores no se ven afectados por la presencia de estacionalidad en las series. Y se ha podido comprobar como el empleo de la
tendencia-ciclo como serie a la que se aplica el ltro HP resulta ser especialmente ventajoso en series mensuales y trimestrales sin que se vean afectados
las conclusiones anteriores .
30
Apndice A
Filtro lineal y simtrico en procesos discretos27
Si zt es un proceso discreto original o input al que aplicamos un ltro lineal
y simtrico; el resultado es una proceso discreto nal o output yt tal que cada
valor de yt es una combinacin lineal ponderada de valores presente, pasados
y futuros del input, es decir, una media mvil. Como el ltro es simtrico las
ponderaciones de la media mvil hacia delante y atrs sern las mismas:
yt =
1
X
a(j)ztj = a0 +
j=1
1
X
aj (B + F )zt
(A.1)
j=1
donde F = B 1 es el operador de adelantos. La secuencia discreta a(j) recoge

los trminos de la media mvil y es independiente del input y del tiempo t .
Si gz (!) es el espectro del input y gy (!) el espectro del output, donde
! 2 (0; ) es la frecuencia en radianes, entonces la relacin (A.1), en trminos
espectrales viene dada por:
gy (!) = j(!)j2 gz (!)
(A.2)
donde (!) se conoce como la funcin de transferencia y es la siguiente

transformacin sobre las ponderaciones de la media mvil:
(!) =
1
X
aj eiwj
(A.3)
j=1
Para que la varianza de yt sea nita debe cumplirse:
j(!)j2 gz (!)d! < 1:
La funcin de transferencia se puede expresar como una funcin compleja:

(!) = G(!)e(i(!))
27
Una exposicin ms detallada se encuentra en Priestley (1981).
31
(A.4)
donde G(!) se conoce como la ganancia del ltro y (!) el desfase. En el

caso de los ltros simtricos la funcin de transferencia es una funcin real
igual a la ganancia y el desfase es cero.
32
Apndice B
Distancia mnima entre el ciclo directo y el indirecto
Sea xt una serie trimestral con t = 1:::T: El ciclo trimestral se calcula con
I = 1600:
Sea M la matriz de agregacin tal que:
2
T
4
6
6
6
6 0
= d6
6
6
::: ::: 0 7
7
::: 0 7
7
7
7
7
6 ::: ::: ::: ::: 7
4
5
::: :::
1 1 1 1
para ujo, =
Sean ID e II matrices identidad con dimensiones
0 0 0 1
T
4
T
4
para stock
y T T.
Sean KD e KI las siguientes matrices:

2
KD
6 1 2
6
6
6 0
6
6
=6
6 :::
6
6
6 :::
6
4
:::
2 1 :::
:::
:::
:::
::: :::
:::
:::
:::
::: :::
:::
:::
:::
::: 1 2 1
T
4
2 T4
0 :::
6 1 2
6
0 7
7
6
6 0
6
6
KI =6
6 :::
6
6
6 :::
6
4
7
0 7
7
7
::: 7
7;
7
7
0 7
7
5
:::
2 1 :::
:::
:::
:::
::: :::
:::
:::
:::
::: :::
:::
:::
:::
::: 1
2 1
T 2T
El ciclo anual directo es el ciclo sobre el proceso agregado a frecuencia anual:

C^D = T Ax
T
4
T T 1
4
0
[ID D KD
KD ]1 T Ax
T
4
T4
T T 1
y el ciclo anual indirecto es la agregacin del ciclo trimestral:

33
0 :::
(B.1)
0 7
7
7
0 7
7
7
::: 7
7
7
7
0 7
7
5
CÎ = A
T
I KI0 KI ]1 x
T 1
T T
(B.2)
^ D = arg min(CÎ C^D )0 (CÎ C^D )
(B.3)
T
4
x [II
Entonces:
34
Bibliografa
Backus, D.K., Kehoe, P.J. (1992), International Evidence on the His-
torical Properties of Business Cycles. The American Economic Review, 82,

pp. 864-888.
Baxter, M., King, R.G. (1995), Measuring Business Cycles: Approximate Band-pass Filters for Economic Time Series. NBER. Working Paper
5022.
Boletn mensual del Banco Central Europeo (Julio 1999).
Burman, J.P. (1980), Seasonal Adjustment by Signal Extraction. Journal of the Royal Society, A 143, pp. 321-337.
Canova, F. (1998), Detrending and Business Cycle Facts. Journal of
Monetary Economics, 41. pp. 475-512.
Dolado, J.J., Sebastin, M., Valls, J. (1993), Cyclical Patterns of the
Spanish Economy. Investigaciones Econmicas, XVII, pp. 445-473.
Domnech, R., Gomez, V., Taguas, D. (1997), Filtering Methods Revised. Documento de Trabajo de la Direccin General de Anlisis y Programacin Presupuestaria del Ministerio de Economa y Hacienda.
Englud, P., Persson, T., Svensson, L.E.O. (1992), Swedish Business Cycles 1861-1988. Journal of Monetary Economics, 30, pp. 343-371.
Gaca-Ferrer, A., Queralt, R. (1998), Using Long-, Medium-, and ShortTerm Trends to Forecast Turning Points in the Business Cycle: Some International Evidence. Studies in Nonlinear Dynamics and Econometrics, pp.
79-105.
Hodrick, R.J., Prescott, E.C. (1997), Postwar U.S. Business Cycles: An
Empirical Investigation, Journal of Money, Credit and Banking, 29, pp.
1-16.
Hodrick, R.J., Prescott, E.C. (1980), Postwar U.S. Business Cycles: an
35
Empirical Investigation. Discusion Paper 451, Carnegie Mellon University.

Kaiser, R., Maravall, A. (1998), Short-Term and Long-Term Trends,
Seasonal Adjustment, and the Business Cycle. De prxima publicacin.
King, R.G., Rebelo, S.T. (1993), Low Frequency Filtering and Real Business Cycles. Journal of Economic Dynamics and Control, 17, pp.207-231.
Kydland, F., Prescott, E. (1990), Business Cycles: Real Facts an a
Monetary Myth, Federal Reserve Bankof Minneapolis, Quaterly Review,
Spring, pp. 3-18.
Maravall, A. (1995), Unobserved Components in Economic Times Series. in Pesaran, H. and Wickens, M. (eds), The Handbook of Applied
Econometrics, vol.1, Oxford: Basil Blackwell.
Priestley, M.B. (1981), Spectral Analysis and Time Series. Academic
Press.
Wei, W.S.W., Stram D.O. (1986), Temporal Aggregation in the Arima
Process. Journal of Time Series Analysis, 7, pp. 279-292.
Wynne, M.A, Koo, J. (1997), Business Cycles Under Monetary Union
EU and US Business Cycles Compared. W.P. Federal Reserve Bank of
Dallas. 97-07.
36
Anexo
GRFICO 1: Ganancia del filtro HP para el ciclo.
1
0.9
GRFICO 2: Ganancia del filtro HP para la tendencia.

1
=3200
0.9
0.8
0.7
=1600
0.7
0.6
0.6
0.5
0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0
=400
0.8
=400
0.2
=1600
=3200
0.1
0.4
0.6
frecuencias en radianes
0.8
0.2
0.4
0.6
frecuencias en radianes
GRFICO 3: Filtro HP sobre PIB trimestral de Espaa, 1975-1998.

0.03
0.02
0.01
0.00
-0.01
-0.02
-0.03
76
78
80
82
HPCYCLE1600
84
86
88
90
HPCYCLE3200
37
92
94
96
98
HPCYCLE400
0.8
GRFICO 4: Relacin entre y el periodo asociado al ciclo (en aos) bajo el criterio .
periodo asociado al ciclo (aos)
14
12
10
1000
2000
3000
valores de lambda
4000
5000
GRFICO 5: Espectro del ciclo del paseo aleatorio para tres valores de = 1600, 3400 y 25000.
1600
3200
25000
valor mximo
del espectro
12.99
18.37
51.35
frecuencia
(radianes)
0.21
0.18
0.10
periodo
(unidades de tiempo)
30.14
35.86
60.01
=25000
50
40
30
=3200
20
10
=1600
0
0.1
0.2
0.3
0.4
0.5
frecuencias
38
0.6
0.7
0.8
GRFICO 6: Espectro del ciclo del IMA(1,1) para = 1600 y diferentes valores de la media mvil.
1600
1600
1600
valor mximo
del espectro
8.43
18.59
32.92
1
-0.2
0.2
0.6
frecuencia
(radianes)
0.21
0.21
0.21
periodo
30.00
30.20
30.24
35
=0.6
30
25
=0.2
20
15
10
=-0.2
5
0
0
0.1
0.2
0.3
0.4
0.5
frecuencias
0.6
0.7
0.8
1600
1600
1600
1600
1600
1600
1
-0.2
-0.2
0.2
0.2
0.6
0.6
valor mximo
del espectro
12.68
5.23
24.89
13.35
41.24
25.64
2
0.2
-0.2
0.2
-0.2
0.2
-0.2
frecuencia
(radianes)
0.21
0.22
0.21
0.21
0.21
0.21
45
40
35
30
25
20
15
10
5
0
0.1
0.2
0.3
0.4
0.5
frecuencias
39
0.6
0.7
0.8
periodo
30.38
29.02
30.37
29.87
30.34
30.07
GRFICO 8: Relacin entre y el periodo asociado al ciclo (aos) bajo criterio y criterio del mximo en
procesos I(1).
14
CRITERIO CRITERIO MAXIMO I(2)
periodo asociado al ciclo (aos)
12
CRITERIO CRITERIO MAXIMO I(1)
10
8
6
4
2
0
1000
2000
3000
valores de lambda
4000
5000
GRFICO 9: Espectro del ciclo de procesos I(2) para tres valores de = 1600, 3400 y 25000.
valor mximo
del espectro
400
800
6250
1600
3200
25000
frecuencia
(radianes)
0.16
0.13
0.08
periodo
39.70
47.23
78.99
6000
=25000
5000
4000
3000
2000
=3200
1000
=1600
0.1
0.2
0.3
0.4
0.5
frecuencias
40
0.6
0.7
0.8
1600
1600
1600
valor mximo
del espectro
258
574
1018
1
-0.2
0.2
0.6
1000
frecuencia
(radianes)
0.16
0.16
0.16
periodo
39.62
39.73
39.75
=0.6
800
=0.2
600
400
=-0.2
200
0.1
0.2
0.3
0.4
0.5
frecuencias
0.6
0.7
0.8
1600
1600
1600
1600
1600
1600
1
-0.2
-0.2
0.2
0.2
0.6
0.6
valor mximo
del espectro
394
153
774
406
1281
787
2
0.2
-0.2
0.2
-0.2
0.2
-0.2
frecuencia
(radianes)
0.16
0.16
0.16
0.16
0.16
0.16
1200
1000
800
600
400
200
0
0.1
0.2
0.3
0.4
0.5
frecuencias
41
0.6
0.7
0.8
periodo
39.83
39.07
39.83
39.54
39.81
39.66
GRFICO 12: Comparacin de los ciclos anuales calculados de forma indirecta sobre un IMA(1,1) trimestral y de forma
directa sobre el proceso agregado. La agregacin temporal se realiza mediante la suma de datos. Para calcular
el ciclo anual de forma directa se emplean cuatro valores diferentes de .
desv.tpica
ciclo indirecto
a partir del trimestral
con =1600
2.62
ciclo directo
anual
=400
5.89
ciclo directo
anual
=100
4.84
10
10
-5
-5
-10
ciclo directo
anual
=10
2.81
ciclo directo
anual
=6.65
2.58
-10
ciclo directo, =400

ciclo indirecto, =1600
-15
5
10
15
20
25
30
35
40
-15
45
10
10
-5
-5
-10
10
15
20
25
30
35
40
10
15
20
25
-10
ciclo directo, =10

5
ciclo directo, =100

45
35
40
45
ciclo directo, =6.65

5
42
30
10
15
20
25
30
35
40
45
GRFICO 13: Comparacin de los ciclos anuales calculados de forma indirecta sobre un IMA(2,1) trimestral y de forma
directa sobre el proceso agregado. La agregacin temporal se realiza mediante la suma de datos. Para calcular
el ciclo anual de forma directa se emplean cuatro valores diferentes de .
ciclo indirecto
con =1600
9.83
desv.tpica
ciclo directo
anual
=400
28.81
ciclo directo
anual
=100
20.59
50
50
40
40
30
30
20
20
10
10
-10
-10
-20
-20
ciclo directo
anual
=10
11.08
ciclo directo
anual
=6.65
9.72
-30
-30
ciclo directo, =400

-40
-50
5
10
15
20
25
30
35
40
-50
45
50
50
40
40
30
30
20
20
10
10
-10
-10
-20
-20
-30
-30
ciclo directo, =10

-40
-50
5
10
15
20
25
30
35
40
ciclo directo, =100

-40
10
15
20
25
-50
5
43
35
40
45

-40
45
30
10
15
20
25
30
35
40
45
GRFICO 14: Comparacin de ciclos trimestrales calculados indirectamente sobre un lneas areas mensual (1=-0.6 y 12=0.4) y de forma directa sobre el proceso agregado mediante suma de datos. El ciclo indirecto trimestral se
calcula para dos valores de . Se utiliza la serie desestacionalizada.
desv.tpica
ciclo indirecto
a partir del mensual
con =14000
1.54
ciclo indirecto
con =129119
2.49
-2
-2
-4
-4
ciclo directo, =1600

-6
20
40
60
80
100
120
140
ciclo directo
trimestral
=1600
2.49

-6
160
20
40
60
80
100
120
140
160
GRFICO 15: Comparacin de ciclos trimestrales calculados indirectamente sobre un lneas areas mensual (1=-0.6 y 12=0.4) y de forma directa sobre el proceso agregado mediante suma de datos. Para el ciclo indirecto trimestral se
usan dos valores de . Se utiliza la serie de tendencia-ciclo.
desv.tpica
ciclo indirecto
con =14000
1.22
ciclo indirecto
con =129119
2.28
-2
-2

-4
ciclo directo
trimestral
=1600
2.28
-4

-6
-6
20
40
60
80
100
120
140
20
160
44
40
60
80
100
120
140
160
GRFICO 16: Comparacin de ciclos anuales calculados indirectamente sobre un lneas areas mensual (1=-0.6 y 12=-0.4) y
de forma directa sobre el proceso agregado mediante suma de datos. Para calcular el ciclo anual directo se usan
cuatro valores . El filtro HP se aplica sobre la serie desestacionalizada.
ciclo indirecto
con =129119
9.21
desv.tpica
ciclo directo
anual
=400
36.21
ciclo directo
anual
=100
26.51
60
60
40
40
20
20
-20
-20
-40
-40
-60
ciclo directo
anual
=10
10.90
ciclo directo
anual
=6.65
9.30
-60
ciclo directo, =400

-80
5
10
15
20
25
30
35
40
60
60
40
40
20
20
-20
-20
-40
-40
-60
-60
ciclo directo, =10

-80
5
10
15
20
25
30
35
ciclo directo, =100

-80
10
15
20
45
30
35
40

-80
40
25
10
15
20
25
30
35
40
GRFICO 17: Comparacin de los ciclos anuales calculados indirectamente sobre un IMA(1,1) trimestral y de forma directa
sobre el proceso agregado. La agregacin temporal se realiza mediante muestreo sistemtico. El ciclo anual de
forma directa se calcula con cuatro valores diferentes de .
ciclo indirecto
con =1600
0.97
desv.tpica
ciclo directo
anual
=400
1.71
ciclo directo
anual
=100
1.44
-1
-1
-2
-2
ciclo directo, =400

-3
5
10
15
20
25
30
35
40
ciclo directo
anual
=10
0.91
ciclo directo, =100

-3
45
-1
-1
ciclo directo
anual
=6.65
0.86
10
15
20
25
30
35
40
45
-2
-2
ciclo directo, =10

-3
5
10
15
20
25
30
35
40

-3
45
46
10
15
20
25
30
35
40
45
GRFICO 18: Comparacin de ciclos trimestrales calculados indirectamente sobre un lneas areas mensual (1=-0.6 y 12=0.4) y de forma directa sobre el proceso agregado con muestreo sistemtico. Para el ciclo indirecto trimestral se
usan dos valores de . Se utiliza la serie desestacionalizada.
desv.tpica
ciclo indirecto
con =14000
0.66
ciclo indirecto
con =129119
0.95
1.5
1.5
0.5
0.5
-0.5
-0.5
-1
-1
-1.5
-1.5
-2
-2

-2.5
20
40
60
80
100
120
140
ciclo directo
trimestral
=1600
0.95

-2.5
160
20
40
60
80
100
120
140
160
GRFICO 19: Comparacin de ciclos trimestrales calculados indirectamente sobre un lneas areas mensual (1=-0.6 y 12=0.4) y de forma directa sobre el proceso agregado con muestreo sistemtico. Para el ciclo indirecto trimestral se
usan dos valores de . Se utiliza la serie desestacionalizada.
desv.tpica
ciclo indirecto
con =14000
0.51
ciclo indirecto
con =129119
0.76
1.5
1.5
0.5
0.5
-0.5
-0.5
-1
-1
-1.5
-1.5

-2
20
40
60
80
100
120
140
ciclo directo
trimestral
=1600
0.80

-2
160
20
47
40
60
80
100
120
140
160
GRFICO 20: Comparacin de ciclos anuales calculados indirectamente sobre un lneas areas mensual (1=-0.6 y 12=-0.4) y
de forma directa sobre el proceso agregado mediante muestreo sistemtico. Para calcular el ciclo anual directo se
usan cuatro valores . El filtro HP se aplica sobre la serie desestacionlizada.
ciclo indirecto
con =1600
0.88
desv.tpica
ciclo directo
anual
=400
2.96
ciclo directo
anual
=100
2.21
-2
-2
-4
-4
ciclo directo, =400

-6
10
15
20
25
30
35
40
-2
-2
-4
-4
ciclo directo, =10

5
10
15
20
25
30
35
10
15
20
48
25
30
35
40

-6
40
ciclo directo
anual
=6.65
0.91
ciclo directo, =100

-6
-6
ciclo directo
anual
=10
1.03
10
15
20
25
30
35
40
GRFICO 21: Ciclos mensuales.

Exportaciones:
5
x 10
x 10
ciclo sobre tendencia-seats, =14000

ciclo sobre sa-series, =14000
1.5
0.5
0.5
-0.5
-0.5
-1
1970
1975
1980
1985
1990

1.5
-1
1970
1995
1975
1980
1985
1990
1995
Importaciones:
5
x 10
1.5
x 10
1.5

0.5
0.5
-0.5
-0.5
-1
-1
1970
1975
1980
1985
1990
1995
1970
49

1975
1980
1985
1990
1995
GRFICO 22: Ciclo HP trimestral directo e indirecto sobre la serie desestacionalizada.

Exportaciones:
5
x 10
x 10
2.5
2.5
1.5
1.5
0.5
0.5
-0.5
-0.5
-1
-1
-1.5
-1.5
ciclo directo =1600

ciclo indirecto =14000
-2
ciclo directo =1600

-2
-2.5
-2.5
1970
1975
1980
1985
1990
1995
1970
1975
1980
1985
1990
1995
1990
1995
Importaciones
5
x 10
x 10
3
-1
-1
-2
1970
ciclo directo =1600

1975
1980
1985
-2
1990
1970
1995
50
ciclo directo =1600

1975
1980
1985
GRFICO 23: Ciclo HP trimestral directo e indirecto sobre la serie de tendencia-ciclo.

Exportaciones
5
x 10
x 10
0.5
0.5
-0.5
-0.5
ciclo directo =1600

-1
ciclo directo =1600

-1
1970
1975
1980
1985
1990
1995
1970
1975
1980
1985
1990
1995
Importaciones
5
x 10
x 10
1.5
1.5
0.5
0.5
-0.5
-0.5
-1
-1
-1.5
-2
-2.5
1970
ciclo directo =1600

1975
1980
-1.5
-2
1985
1990
-2.5
1970
1995
ciclo directo =1600

1975
1980
1985
1990
1995
GRFICO 24: Efecto de nivel al utilizar logaritmos.

Exportaciones
Importaciones
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0
-0.1
-0.1
-0.2
-0.2
-0.3
-0.3
-0.4
-0.5
-0.6
1970
-0.4
ciclo directo =1600

1975
1980
1985
1990
-0.5
-0.6
1970
1995
51
ciclo directo =1600

1975
1980
1985
1990
1995
GRFICO 25: Funcin a minimizar: 'distancia entre ciclo directo e indirecto'. Algunas simulaciones.
Agregacin temporal
Muestreo sistemtico
11
60
IMA(1,1), =-0.7
50
IMA(1,1), =-0.7
10
9
8
40
7
30
6
5
20
4
10
3
0
10
20
30
40
50
10
20
Agregacin temporal
40
50
Muestreo sistemtico
120
12
IMA(1,1), =-0.5
100
60
40
20
10
IMA(1,1), =-0.5
10
80
30
lambda
lambda
20
30
40
50
10
20
lambda
30
40
50
lambda
Agregacin temporal
Muestreo sistemtico
1200
70
IMA(1,1), =0.5
1000
IMA(1,1), =0.5
60
50
800
40
600
30
400
20
200
10
10
20
30
40
50
lambda
10
20
30
lambda
52
40
50
Agregacin temporal
Muestreo sistemtico
70
1000
900
IMA(11), =-0.7
IMA(11), =-0.7
60
800
50
700
600
40
500
30
400
300
20
200
10
100
0
10
20
30
40
50
10
20
lambda
30
40
50
20
25
lambda
Agregacin temporal
Muestreo sistemtico
45
500
IMA(2,1), =-0.7
450
IMA(2,1), =-0.7
40
400
35
350
30
300
25
250
20
200
15
150
10
100
50
0
10
15
20
25
10
lambda
15
lambda
Agregacin temporal
Muestreo sistemtico
600
7000
IMA(2,1), =0.1
6000
IMA(2,1), =0.1
500
5000
400
4000
300
3000
200
2000
100
1000
0
10
15
20
25
10
15
lambda
lambda
53
20
25
TABLA 1: Periodo asociado al ciclo segn el criterio .
1
3
5
7
9
11
13
15
17
19
21
23
25
..
100
200
300
6.00
8.06
9.21
10.05
10.73
11.30
11.79
12.23
12.63
12.99
13.33
13.64
3.93
19.79
23.56
26.09
400
..
1400
1500
1600
1700
1800
1900
2000
2100
2200
2300
2400
2500
2600
2700
2800
28.04
38.39
39.06
39.70
40.30
40.89
41.44
41.98
42.50
42.99
43.47
43.94
44.39
44.83
45.26
45.67
periodo
periodo
2900
3000
3100
3200
4100
4200
4300
4400
4500
4600
4700
4800
4900
5000
46.07
46.47
46.85
47.22
..
50.24
50.55
50.85
51.14
51.43
51.71
51.99
52.27
52.54
52.80
periodo
TABLA 2: Valor de que hay que emplear segn criterio .
2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
0.06
0.25
1
2
6
13
25
43
68
104
152
215
296
397
523
677
862
36
38
40
42
44
46
48
50
52
54
56
58
60
62
64
66
68
1083
1343
1649
2004
2413
2881
3415
4020
4702
5468
6323
7275
8330
9497
0781
12193
13738
periodo
periodo
54
70
72
74
76
78
80
82
84
86
88
90
92
94
96
98
100
15426
17264
19263
21430
23775
26307
29037
31974
35128
38510
42131
46001
50132
54535
59221
64204
periodo
TABLA 3: Resultados de la minimizacin de la distancia entre el ciclo directo e indirecto para

procesos integrados de orden uno.
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
-0.6
-0.6
-0.6
-0.6
-0.5
-0.5
-0.5
-0.5
-0.4
-0.4
-0.4
-0.4
0.4
0.4
0.4
0.4
0.5
0.5
0.5
0.5
0.6
0.6
0.6
-0.3
-0.2
0.2
0.3
-0.3
-0.2
0.2
0.3
-0.3
-0.2
0.2
0.3
-0.3
-0.2
0.2
0.3
-0.3
-0.2
0.2
0.3
-0.3
-0.2
0.2
AGREGACIN
TEMPORAL
MUESTREO
SISTEMTICO
media de
std
media de
std
7,31
6,9
6,84
6,78
6,73
6,64
6,68
6,67
6,64
6,61
6,66
6,67
6,63
6,65
6,64
6,64
6,62
6,64
6,64
7.14
7.03
6.65
6.66
7.10
6.89
6.66
6.62
6.92
6.79
6.69
6.64
6.65
6.68
6.64
6.66
6.68
6.70
6.64
6.65
6.67
6.65
6.65
0,96
0,73
0,54
0,41
0,29
0,23
0,22
0,18
0,19
0,17
0,17
0,16
0,15
0,15
0,13
0,13
0,13
0,13
0,14
0.83
0.71
0.27
0.25
0.75
0.60
0.20
0.17
0.47
0.40
0.18
0.17
0.18
0.17
0.13
0.12
0.17
0.18
0.12
0.12
0.18
0.15
0.12
******
******
******
15,09
14,03
10,84
8,77
8,36
7,51
7,41
7,55
7,05
7,20
7,13
7,15
7,05
7,07
7,02
7,04
*******
******
10.11
8.73
*******
*******
9.75
8.24
******
******
8.44
8.26
7.71
7.44
7.13
7.06
7.68
7.59
6.88
7.14
7.62
7.16
7.08
******
******
******
11,38
16,74
13,27
3,7
4,06
1,96
1,69
1,28
1,22
1,25
1,18
1,10
1,19
1,10
1,22
1,21
******
******
7.31
3.47
******
******
3.81
2.36
******
******
2.84
2.72
2.72
1.54
1.23
1.11
2.27
1.88
0.86
0.77
1.55
1.16
0.91
55
TABLA 4: Resultados de la minimizacin de la distancia entre el ciclo directo e indirecto para

procesos integrados de orden dos.
-0.9
-0.8
-0.7
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.80
0.9
-0,6
-0,6
-0,6
-0,6
-0,5
-0,5
-0,5
-0,5
-0,4
-0,4
-0,4
-0,4
0,4
0,4
0,4
0,4
0,5
0,5
0,5
0,5
0,6
0,6
0,6
-0,3
-0,2
0,2
0,3
-0,3
-0,2
0,2
0,3
-0,3
-0,2
0,2
0,3
-0,3
-0,2
0,2
0,3
-0,3
-0,2
0,2
0,3
-0,3
-0,2
0,2
AGREGACIN
TEMPORAL
MUESTREO
SISTEMTICO
media de
std
media de
std
6.56
6.52
6.51
6.49
6.48
6.48
6.48
6.48
6.48
6.47
6.48
6.47
6.48
6.48
6.48
6.47
6.49
6.47
6.49
6,61
6,54
6,48
6,46
6,52
6,51
6,47
6,48
6,52
6,48
6,47
6,46
6,48
6,4
6,48
6,46
6,48
6,48
6,46
6,50
6,50
6,48
6,47
0.14
0.12
0.09
0.10
0.09
0.09
0.09
0.09
0.09
0.10
0.09
0.09
0.09
0.08
0.08
0.09
0.09
0.09
0.09
0,11
0,12
0,07
0,08
0,10
0,10
0,09
0,08
0,11
0,09
0,09
0,08
0,08
0,09
0,08
0,08
0,08
0,07
0,08
0,08
0,08
0,08
0,09
7.18
6.72
6.72
6.74
6.62
6.65
6.66
6.56
6.68
6.49
6.49
6.43
6.53
6.55
6.49
6.62
6.61
6.51
6.57
6,94
6,81
6,64
6,52
6,56
6,67
6,58
6,60
6,60
6,65
6,67
6,64
6,62
6,59
6,60
6,47
6,56
6,46
6,51
6,51
6,62
6,58
6,52
1.39
0.86
0.81
0.65
0.64
0.60
0.66
0.57
0.60
0.68
0.52
0.55
0.58
0.62
0.58
0.56
0.66
0.62
0.40
1,08
0,94
0,62
0,67
0,88
0,86
0,58
0,60
0,85
0,68
0,62
0,61
0,60
0,60
0,58
0,61
0,50
0,52
0,55
0,46
0,55
0,56
0,53
56
ESQUEMA 1
Agreg. (*)
SERIE TRIMESTRAL
xt
SERIE ANUAL
Xn
HP(Xn,1)
HP(xt,4)
CICLO TRIMESTRAL
DIRECTO
CICLO ANUAL
DIRECTO
Agreg. (*)
CICLO ANUAL
INDIRECTO
ESQUEMA 2
SERIE MENSUAL
xt
Agreg. (*)
Agreg. (*)
SEATS
SERIE ANUAL
Xn'
SEATS
SERIE DESESTAC.
o
TENDENCIA-CICLO(**)
HP(xt,12)
CICLO MENSUAL
DIRECTO
SERIE TRIMESTRAL
Xn
SERIE DESESTAC.
o
TENDENCIA-CICLO(**)
HP(xn,4)
Agreg. (*)
HP(xn',1)
CICLO TRIMESTRAL
DIRECTO
CICLO ANUAL
DIRECTO
CICLO TRIMESTRAL
INDIRECTO
CICLO ANUAL
INDIRECTO
Agreg. (*)
(*) se distingue agregacin temporal y muestreo sistemtico.

(**) la opcin de utilizar el ciclo-tendencia se considera solo para hallar los ciclos trimestrales.
57

Filtro H-P

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Filtro H-P

Hochgeladen von

Copyright:

Verfügbare Formate

Agregacin temporal y

Ana del Rio

Tesina CEMFI No. 9910

Este trabajo constituye una versin revisada de la tesina presentada al completar el

El concepto de ciclo econmico tiene un marcado carcter subjetivo, y en

En este sentido Canova (1997) es muy ilustrativo.

Boletn Mensual del BCE, Julio de 1999.

para los mensuales. Sin embargo en el estudio realizado en esa publicacin

gacin: la agregacin temporal propiamente dicha, y el muestreo sistemtico.

Este ltro lo podemos describir desde dos perspectivas diferentes: como

Filtro HP a partir de un problema de minimizacin

Bajo la perspectiva de un problema de minimizacin el ltro HP identica

La solucin (matricial) a este problema de minimizacin es la siguiente:

El Apndice A contiene un breve repaso de este tipo de ltros.

El ltro HP como modelo estructural

El ltro HP puede interpretarse a partir del siguiente modelo estructural:

el modelo queda totalmente determinado con la eleccin a priori de ; que

donde HP (B) = (1 1 B 2 B 2 ), at son las innovaciones con varianza 2a

La estimacin MMSE7 del ciclo y la tendencia, m

cos y convergentes. Esta ltima propiedad de convergencia permite aplicar

c^t = #cHP (B; F )xt = [1 #m

que se pueden escribir en funcin del parmetro como:

c^t = #cHP (B; F )xt = [1 #m

Si ! 2 (0; ) es la frecuencia en radianes, la funcin de ganancia del ltro

para la tendencia y el ciclo son respectivamente:

Los grcos 1 y 2 del Anexo recogen la forma de estas ganancias para

Error cuadrtico medio mnimo.

es la contribucin de las frecuencias ms altas en la ganancia del ltro para

Forma alternativa de emplear el ltro HP

La serie tendencia-ciclo es pt = xt st ut ; donde st es el componente estacional y

Equivalencia en valores de asociados a

Hodrick-Prescott(1997) recuerdan que interpretando el ltro HP en el marco de un

el ltro? Tiene sentido comparar ciclos obtenidos con datos trimestrales y

de periodicidad i, y el periodo asociado al ciclo estimado con j para

Equivalencia segn el criterio 1/2

Segn este criterio el periodo asociado al ciclo se corresponde con el de la

Si la relacin entre la frecuencia y el periodo es

entonces dado i ; el periodo asociado al ciclo ser i = 2=! i donde ! i se

El grco 4 y las tablas 1 y 2 muestran la relacin entre y el periodo

Equivalencia segn el criterio del mximo

La relacin no depende de la desestacionalizacin de la serie (Kaiser-Maravall (1998)).

La periodicidad se expresa como el nmero de datos al ao.

previo del espectro de la serie:

donde gc (!) es el espectro del ciclo, y gx(!) es el espectro de la serie.

Procesos integrados de orden uno

Sea xt un paseo aleatorio:

donde r:b: = ruido blanco, con espectro:

El espectro del ciclo, aplicando (6.1) es:

y de la maximizacin de esta funcin respecto a ! se obtiene:

Sea xt un proceso IMA(1,1):

El espectro del ciclo, aplicando (6.1) es:

y de la maximizacin de esta funcin respecto a ! se obtiene:

1 + 21 + 21 cos(!) + 22 + 21 2 cos(!) + 22 cos(2!)

El espectro del ciclo, aplicando (6.1) es:

82 [1 cos(!)]3 1 + 21 + 21 cos(!) + 22 + 2 2 [2 cos(!) + cos(2!)] 2a

y de la maximizacin de esta funcin respecto a ! se obtiene:

En este caso despejar ! max de las condiciones de primer orden es difcil

los ciclos que sern insignicantes.

Procesos integrados de orden dos

Sea xt un proceso I(2):

El espectro del ciclo, aplicando (6.1) es:

y de la maximizacin de esta funcin respecto a ! se obtiene:

El espectro del ciclo, aplicando (6.1) es: