Professional Documents
Culture Documents
INTRODUCCION AL TRATAMIENTO
DE SERIES MEDIANTE FILTROS
I.L.R. KLEIN
AREA DE MODELIZACIÓN MACROECONÓMICA
Julián Moral Carcedo
LOS CICLOS ECONÓMICOS
T A S A IN T E R A N U A L D E C R E C IM IE N T O D E L P IB
10
-2
-4
70 75 80 85 90 95 00
2pt
Yt = A cos( +q )
1,5
1
T 0,5 A
Yt = a cos(wt ) + b sen(wt )
-1
-1,5
a b a b
Yt = ( - i )e iwt + ( + i)e -iwt
2 2 2 2
¿Es evidente la periodicidad?
-2
-4
-6
20 40 60 80 100 120 140 160 180 200
C IC LO1
ciclo1=cos(2*pi*t/10)+cos(2*pi*t/40)+cos(2*pi*t/20)+cos(2*pi*t/25)+u
Detección de periodicidades ocultas:
El correlograma.
Idea básica:
Una función periódica se repite transcurrido T (período), por lo
tanto presentará la máxima correlación con el retardo Ty sus
múltiplos enteros.
Puede demostrarse que la autocorrelación de una función
periódica es periódica, del mismo período que dicha función.
COS(2*PI*@TREND/(200/10)) FUNCION DE AUTOCORRELACION
1.5
1.5
1.0
1.0
0.5
0.5
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
20 40 60 80 100 120 140 160 180 200 -1.5
-40 -20 0 20 40
Detección de periodicidades ocultas:
El periodograma
6
15
4
PERDG
10
0
-2
5
-4
-6 0
20 40 60 80 100 120 140 160 180 200 0 5 10 15 20 25
C IC LO1
FREC
El periodograma: formulación.
ciclo1=cos(2*pi*t/10)+cos(2*pi*t/40)+cos(2*pi*t/20)+cos(2*pi*t/25)+u
N=200; 200/10=20; 200/40=5; 200/20=10; 200/25=8
20
20
15
15
PERDG
10
PERDG
5 10
0
0 50 100 150
FREC 5
0
0 5 10 15 20 25
FREC
El periodograma: Interpretación.
De izqda. a drcha. aumenta la frecuencia (disminuye el período)
1.5 1.5
0.0
1.0 1.0
-0.2
0.5 0.5
-0.4
0.0 0.0
-0.6
-0.5 -0.5
0
0 50 100 150
El periodograma y la transformada de Fourier
El periodograma está basado en una herramienta
matemática denominada Transformada de Fourier,
según la cual una serie, que cumpla determinados
requisitos, puede descomponerse como suma de un
número finito o infinito de frecuencias. Del mismo
modo, a partir de la representación frecuencial puede
recuperarse la serie original a través de la
Transformada Inversa de Fourier.
1.0 80
0.5
60
0.0
40
-0.5
20
-1.0
0
-1.5 20 40 60 80 100 120 140 160 180 200
20 40 60 80 100 120 140 160 180 200
PERIODOGRAMA PERIODOGRAMA
20 12000
10000
15
8000
PERDG
PERDG
10 6000
4000
5
2000
0 0
0 50 100 150 0 50 100 150
FREC FREC
SERIES ESTOCASTICAS
3
-1
-2
-3
20 40 60 80 100 120 140 160 180 200
1.2
1.0
0.8
PERDG
0.6
0.4
0.2
0.0
0 50 100 150
FREC
LA ESTIMACION DEL ESPECTRO
1.2
1.0
h(w)
0.8
PERDG
0.6 w
0.4
0.2
0.0
0 50 100 150
-pi pi
FREC
LA ESTIMACION DEL ESPECTRO: METODOS
PARAMÉTRICOS
El espectro equivale a:
-iw -i 2w -iqw 2
1 + b1e + b2 e + ... + bq e s e2
hY (w ) = -p £ w £ p
1 + a1e -iw + a 2 e -i 2w + ... + a p e -ipw 2 2p
Serie original
8
-2
-4
-6
-8
2 0 4 0 6 0 8 0 1 0 0 1 2 0 1 4 0 1 6 0 1 8 0 2 0 0
Y 4
300
1.5
15
250
DENSIDAD2
1.0
PERDG
200
10
0.5 150
5 0.0 100
50
-0.5
0
0 20 40 60 80 0
0 20 40 60 80 0 0.5 1 1.5 2 2.5 3
Frecuencia (0-pi)
FREC
FREC
COMPARACION METODOS DE ESTIMACION
Modelos dinámicos y funciones periódicas
Yt = 2 cos wYt -1 - Yt -2
:
· Ec. En diferencias: Yt - bYt -1 - cYt - 2 = 0
Condición para la existencia de raíces complejas : b + 4c < 0
2
·
· Soluc. de la ec. Homogénea: t
Y = r t
( A cos w t + B sen w t )
· Valores de los parámetros:
b 1
a= ; b= - b 2 - 4c
2 2
a = r cos w b = r sen w r = a2 +b2
æ ö
w = cos ç-1 b/2 ÷ = cos -1 æç b / 2 ö÷
ç (b 2 / 4) + (1 / 4)( -b 2 - 4c) ÷ ç ÷
è ø è - c ø
Modelos dinámicos y funciones periódicas
Yt = 1.90Yt -1 - 0.99777946Yt - 2
6
y = 1 .9 0 *y ( -1 )-0 .9 9 7 7 7 9 4 6 *y ( - 2 )
4
-2
-4
-6
20 40 60 80 100 120 140 160 180 200
Y
FILTROS E INTRODUCCION AL TRATAMIENTO Y
DESCOMPOSICION DE SERIES.
Un filtro no es mas que el tratamiento que se da a una serie
inicial o “input” para obtener una serie final u “output”. Si el
filtro es lineal, el “output” es simplemente una combinación
lineal de valores pasados, presentes y futuros del “input”
u (t ) k =¥
Y (t )
Y (t ) = åc u
k = -¥
k t -k
Yt = 0.1ut -1 + ut
Modelo AR:
Yt = 0.5Yt -2 + 0.2Yt -1 + ut
Modelo ARMA:
k=N k =M k =M k =N
Y (t ) = å ck xt -k + å d k Yt -k ® Yt - å d k Yt -k = å ck xt -k ®
k =0 k =1 k =1 k =0
Q( L)
Yt = Xt
F ( L)
FILTROS: UTILIDADES
3
1.0
2
0.5
1
0 0.0
-1 k =10
1
Y (t ) = å ut - k
-0.5
-2
-1.0
-3 k = 0 10
20 40 60 80 100 120 140 160 180 200 -1.5
20 40 60 80 100 120 140 160 180 200
INPUT
FILTRO
1.2 NO RECURSIVO 1.2
1.0 1.0
0.8
0.8
0.6
0.6
C2
0.4
C2
0.4
0.2
0.2
0.0
0.0 -0.2
-0.2 -0.4
-200 -100 0 100 200 -100 0 100
C1 C1
EFECTOS DEL FILTRADO EN EL DOMINIO
DEL TIEMPO
20
Sea la serie:
X t = X t -1 + X t -12 - X t -13 + e t
-20
-40
(1 - L - L + L ) X t = e t
12 13 -60
-80
20 40 60 80 100 120 140 160 180 200
1
Yt = å ci X t -i
i =0
Yt = (1 - L) X t
Sustituyendo X por su expresión:
(1 - L) (1 - L)
Yt = (1 - L) X t = e ® Y = et
(1 - L - L + L ) (1 - L)(1 - L )
12 13 t t 12
1
Yt = e ® (1 - L12
)Yt = e t ® Yt = Yt -12 + e t
(1 - L )
12 t
EFECTOS DEL FILTRADO EN EL DOMINIO
DEL TIEMPO
12
x2=x2(-12)+e
-4
-8
20 40 60 80 100 120 140 160 180 200
X2 D(TSEAS)
LOS FILTROS EN EL DOMINIO DE LA
FRECUENCIA
Asumiendo la expresión de un filtro lineal no recursivo
k =¥
Y (t ) = åc u
k = -¥
k t -k
Puede demostrarse (ver p.ej. Priestley) que la relación entre la densidad espectral
de input(Ut) y la densidad espectral del output (Yt) responde a la expresión:
hY (w ) = G(w ) hu (w )
2 -p £ w £ p
“La función de densidad espectral del output es igual a la función de densidad
espectral del input multiplicada por el módulo de la función de transferencia”.
K = -¥
EFECTOS DEL FILTRADO EN EL DOMINIO
DE LA FRECUENCIA
La característica más importante del proceso de filtrado es que el valor de la
densidad espectral del output en una determinada frecuencia es el producto
del valor de la función de transferencia y el valor de la densidad espectral del
input en dicha frecuencia. Esta propiedad permite “anular” ciertas
frecuencias con la adecuada selección de los valores del filtro, con lo que
conseguimos que el output exhiba las características que deseemos.
2.0
1.0
1
0.8
1.5
0,8
0,6 0.6
PERDG
PERDG
1.0
0,4 0.4
0,2
0.5
0.2
0
0,0 0,3 0,5 0,8 1,1 1,3 1,6 1,9 2,1 2,4 2,6 2,9
0.0 0.0
0 20 40 60 80 0 20 40 60 80
FREC
FREC
DESCOMPOSICION DE SERIES
Tendencia
PERDG
Estacionalidad
FREC
1.E+17
M A T R I C U L A C I O N D E A U T O M O V IL E S
1 .6 E + 0 8
8.E+16
1 .2 E + 0 8
6.E+16
PERDG
8 .0 E + 0 7
4.E+16
4 .0 E + 0 7 2.E+16
0 .0 E + 0 0 0.E+00
60 65 70 75 80 85 90 95 0 100 200 300 400
M A TR I
FREC
6 0000000 2.0E+15
4 0000000
1.5E+15
2 0000000
PERDG
0 1.0E+15
-2 0000000
-4 0000000 5.0E+14
-6 0000000
0.0E+00
-8 0000000 0 100 200 300 400
60 65 70 75 80 85 90 95
FREC
D(MATRI)
60000000
2.0E+14
40000000
20000000 1.5E+14
P ERDG
1.0E+14
-20000000
-40000000
5.0E+13
-60000000
-80000000 0.0E+00
60 65 70 75 80 85 90 95 0 100 200 300 400
D(MATRI,1,12) FREC
1.2 0.5
1.0
0.4
0.8
0.6 0.3
PERDG
0.4
0.2 0.2
0.0
0.1
-0.2
-0.4 0.0
60 62 64 66 68 70 72 74 76 78 0 50 100 150 200
TMATRI
FREC
DESCOMPOSICION DE SERIES EN EL
DOMINIO DE LA FRECUENCIA.
2,5
2
1,5
1
0,5
0
INF 24 12 8 6 5 4 3 3 3 2 2 2
Filtro de Hodrick-Prescott
FUNC. DE GANANCIA FILTRO HP: SERIE-
TENDENCIA
100 400 1600 3200
1,2
1
0,8
0,6
0,4
0,2
0
0
PI
-0,2
DESCOMPOSICION DE SERIES EN EL
DOMINIO DE LA FRECUENCIA.: FILTROS
PARA LA ESTACIONALIDAD
Sumador estacional
Ganancia
14
12
10
8
6
4
2
0
INF 24 12 8 6 5 4 3 3 3 2 2 2
Diferencia estacional
Ganancia
2,5
1,5
0,5
0
INF 24 12 8 6 5 4 3 3 3 2 2 2