Thread by @Manuj_Hidalgo

El análisis de coyuntura tiene su método, al que hay que darle un toque de arte y una pizca de intuición. A mis alumnos siempre les decía esto. Necesitan técnica, pero ante todo experiencia. Años viendo series e indicadores y “oliendo” las razones de lo que observan. [HILO] 1/n

En lo q concierne a la técnica, una tarea fundamental es el tratamiento de series temporales. Los indicadores en los que basamos el análisis son series de tiempo con frecuencia mensual o trimestral (las habituales) y que aportan información parcial sobre el momento del ciclo 2/n

Para conocer el ciclo y su momento actual es necesario saber recabar esta información, eligiendo qué indicadores son los más informativos y saber extraer de ellos la parte de su información que más nos interesa. Los indicadores no pueden ser usados tal y como llegan 3/n

Para que nos hagamos una idea, las series de indicadores tienen cuatro componentes: tendencia (T), ciclo (C), estacionalidad (S) y error (E).
Nota: al término error prefiero llamarlo innovación. Ya explicaré la razón.
Cada componente viene explicado por su frecuencia 4/n

La frecuencia de cada una de estas componentes mide las veces que esta se repite en un cierto periodo de tiempo. Por ejemplo, la Semana Santa tiene una frecuencia de una vez al año, mientras que el 29 de febrero, una cada cuatro años, es decir, 0,25 veces al año.
5/n

Como se ve, la componente S posee una frecuencia de una vez al año.

La tendencia (T) tiene una frecuencia muy baja. Un ejemplo es la serie de PIB. El PIB de 1982 nunca se volvió a repetir. Otra puede ser la inflación. Si tomamos series de muchos años, esta posee tendencia 6/n

En general, la tendencia a largo plazo suele tener una frecuencia que tiende a cero.

Por el contrario, el ciclo (C) sí suele tener frecuencia diferente de cero, aunque inferior a uno. Es evidente que si fuera uno sería S.
Su frecuencia marca el ritmo en el 7/n

que se suceden los ciclos. Por ejemplo, en USA lo normal (media) hasta 2007 era uno cada 7 años. Eso nos da una frecuencia de 1/7, o 0,143. Como vemos, su número es muy inferior a 1 pero diferente de cero.

Por último, la innovación suele tener muy alta frecuencia 8/n

pues a menos que el indicador siga una pauta predecible al 100% (cosa imposible en economía), esta se repite una vez al mes (12 al año) si la serie es mensual, y 4 si es trimestral.
9/n

Pues bien, para poder “limpiar” el indicador de las componentes que no interesan, lo que se hace es eliminarlas mediante técnicas que los economistas hemos pedido prestadas de los ingenieros.

Las componentes indeseables para el análisis de coyuntura son T y S. 10/n

Si pudiéramos eliminar E, tendríamos más seguridad en predecir la evolución del indicador, pero tenemos un límite y, esto es importante.

Hay que pensar que E es la componente más interesante. Refleja desconocimiento a la par que saber la razón de esta es parte del trabajo 11/n

del economista encargado del análisis. Si el modelo fuera perfecto, E=0. Pero al no serlo hay parte del modelo generador de datos q no controlamos. La ocurrencia de un evento no esperado aporta información q debe ser “incluida” en la próxima estimación. Es una innovación.

12/n

Pues bien, en coyuntura nos interesa básicamente C. Este es el objetivo, eliminando S y T y minimizando E. Para ello usamos técnicas de extracción de señales. Lo que llamamos “filtrado” de series. 13/n

En clase les explico a mis alumnos que estas técnicas tiene una teatralización tal como esta. Después del ejemplo, NUNCA se le olvida qué es extracción de señales. 13/n

Imaginemos que una serie tiene las cuatro componentes. Cada una se identifica por la frecuencia que poseen. Estas técnicas “filtran” las series por su frecuencia. Algo similar a lo que hacemos al sintonizar la radio para elegir la frecuencia que queremos oír. 14/n

Pues existen varios “filtros” diferentes para eliminar esos componentes no útiles en el análisis de coyuntura, pero solo dos triunfaron en las pasadas décadas. Uno de ellos diseñado por el Banco de España: TRAMO-SEATS 15/n

El otro es un producto del Census Bureau de los Estados Unidos. El X11-ARIMA.
Ambos métodos rivalizaron cual Airbus-Boing durante años por el mercado de la desestacionalizacion y ajuste de series de tiempo
16/n

Hoy, el X13-SEATS supone la unión de ambos filtros de tal manera que prácticamente todo el filtrado que se hace en el mundo de series de tiempo utilizan el mismo software.
census.gov/srd/www/x13as/

17/17

FIN