FILTRADO DE SERIES TEMPORALES samiento, se ha suavizado mucho el pa- tron estacional y los movimientos irregu- fares por lo cual esta serie muestra mu- cho mejor la evolucién de largo plazo del IPI que la serie original. La eleccién de un orden de la media mévil igual al pa- tr6n estacional (12 en este caso) permite filtrar los efectos estacionales para obser- var mejor la evolucién de medio y largo plazo (tendencia-ciclo). El hecho de cen- trar la media mévil, permite que los mé- ximos y minimos se alcancen en los mis- mos periodos. |. MODELOS UC-ARIMA Aunque, como hemos visto en el ca- so del IPI, Ia aplicacién de medias mévi- les centradas de orden estacional puede ser un filtro adecuado para la obtencién del componente de tendencia-ciclo, en muchas ocasiones las ponderaciones 6p- timas de la media mévil (el disefio Spti- ‘mo del filtro) ser distinto segiin sean las caracteristicas de la serie en cuestion, Por ejemplo, parece ldgico que, cuanto mis alejadlas estén las observaciones del instante t, las ponderaciones disminuyan (es decir, que en la media mévil de or- den 12 pondere menos la observacién t-6 que la t-1). Una forma de hacer depen- der el filtro de las caracteristicas de la se- rie original es estimar un modelo ARIMA para cada componente dle la serie; asi se estima un modelo para el componente de tendencia-ciclo, otro para el estacio- nal y otro para el irregular respectiva- mente. Posteriormente se obtienen las ponderaciones de cada filtro en funcién de los coeficientes del modelo ARIMA es timado. Esto es lo que hace la metodolo- gia UC-ARIMA (Unobserved Componen- tes-ARIMA) la cual permite obtener dise- fos de filtros distintos de cada serie se- ‘gin sea el mejor modelo ARIMA que se ajuste a la serie observada. Ademés esta metodologéa permite también obtener predicciones de cada componente o se- fal, lo cual resulta fundamental cuando se quiere analizar la coyuntura econémi- a. Aunque los detalles ténicos son complejos, la metodologia UC-ARIMA es- 4 implementada en software libre a tra- és del programa TRAMO-SEATS (dispo- nible en la Web del Banco de Espafa: www.bde.es) y X12-ARIMA (disponible en www.census.gov/srd/www/x12a). Am- bos programas permiten obtener de for- ma automatica los componentes no ob- servables a partir de modelos ARIMA de la serie original, A modo de ejemplo, en el grafico anterior se incluye la serie ajus- tada de estacionalidad, obtenida a partir de la descomposicién TRAMO-SEATS, co- mo la serie original menos el componen- te estacional (0, visto de otro modo, co- mo el componente de tendencia-ciclo més el componente irregular). Como se puede apreciar claramente en la evolu- cién de la serie SA_IPI, al climinar el componente estacional del IPI original se muestran las evoluciones de largo plazo junto con algunos movimientos de corto plazo provocados por el componente urregular. De hecho, en el segundo grafi- co se muestra la evolucién de la serie ajustada de estacionalidad (SA_IPI) junto con la serie del componente tendencia- ciclo (TC_IPI) mostrando esta iltima una evolucién mas suave al eliminar también Jos efectos del componente irregular. Finalmente, en el tercer grifico se muestran las ponderaciones estacionales en cada periodo. Estas ponderaciones, obtenidas a partir de las técnicas de filtra- do del TRAMO-SEATS, permiten obtener la serie ajustada de estacionalidad divi- diendo la serie original por la pondera- cién correspondiente, es_—_ decir, "Por ejemplo, dado Few 54M, que los factores estacionales del mes de Agosto son claramente inferiores a la uni- dad, la serie SA_IPI tend mayores valo- 4976 ©assFILTRADO DE SERIES TEMPORALES res que la serie original IPI para estos meses de Agosto. IV, TECNICAS DE FILTRADO BASADAS EN EXTRACCION DE SENALES Otras técnicas de filtrado especifican filtros basados en la teoria de extraccién de sefales dentea del dominio de las Fre. cuencias. Asi, los movimientos de largo plazo se identifican con frecuencias bajas y los movimientos de corto plazo con frecuencias altas. A partir de ahf se pue- den disefar filtros en el dominio de fas frecuencias que permitan el paso de las frecuencias en las que estemos interesa- dos. Por ejemplo, los filtros diseftaclos para extraer componentes de tendencia- ciclo permitirin el paso de frecuencias T T bajas y detendrin las frecuencias altas. Incluso estas técnicas pueden permitir separar los movimientos de la tendencia del ciclo si se considera que el ciclo co- rresponde a las frecuencias que estén en- tre 2 y 8 aiios. Los filtros obtenidos con este tipo de disefios se denominan pasa- banda y su disefto suele ser técnicamen- te complejo aunque, de una forma cre- ciente, se estén incorporando al software econométrico. Uno de los filtros més utilizados es el filtro de Hodrick-Prescott el cual esta ba- sado en las ideas anteriores. Matemdtica- mente, el filtro de Hodrick Prescott per- mite la obtencién del componente TC, minimizando respecto a este componen- tela siguiente expresi6n: ZX w-teyx +2 Trey —Te) aq Taye 1 t=1 Ia expresién anterior permite obte- ner una evolucién suave del componen- te TC, . Fl parimetro 2 es un parimetro que mide el grado de alisamiento (cuan- to mayor sea mds alisado ser el compo- nente 7G, obtenido). Habitualmente el valor se establece en funcién de la fre- cuencia de la setie, asf se suele tomar 2=1600 en series trimestrales y 2=14400 en series mensuales aunque, en ocasio- nes, el valor del parimetro 2 se cambia segiin cuales sean las frecuencias que queremos dejar pasar y cuales no (en ge- neral, cuanto mayor Sea A menos fre: cuencias deja pasar). A modo de ejemplo en el segundo grafico de los vistos ante- riormente se compara el componente de tendencia-ciclo obtenido con el filtro HP junto con el componente que habiamos obtenido con TRAMO-SEATS. Para acabar, hay que sefialar que, ac- tualmente, una buena alternativa a los fil tros anteriormente vistos (y también de- sarrollados en el dominio de las frecuen- cias) viene dada por el filtro de Butter- worth y por el filtro de Baxter-King. Aun- que los detalles técnicos son mas com- plejos que en los casos anteriores, estos filtros tipo pasa-banda permiten, en prin- cipio, separar mejor los movimientos co- rrespondientes a distintas frecuencias debido al diseio de sus funciones de res- puesta a la frecuencia. Ello puede ser uti- lizado, por ejemplo, en la separacién de Jos movimientos de tendlencia y ciclo im- putando los movimientos por debajo de 8 afios al ciclo y por encima de esta canti- dad ala tendencia ROMAN MINGUEZ SaLuDO Véase también: "Coyuntural"; "Descomposicién de series temporales"; "Modelos Arima” y "Series temporales”. ©ciss 4977FILTRO BAXTER-KING FILTRO BAXTER-KING Véase: "Filtrado de series temporales". FILTRO HODRICK- PRESCOTT Véase: "Filtrado de series temporales". FIM Véase:"Fondos de lnversién”. FINANCIACION BANCARIA Véase: "Financiacién externa de la empresa”. FINANCIACION DE LAI+D RED Financing |. DEFINICION « I FINANCIACION DE LA I+D EN. EUROPA 1. DEFINICION El éxito del proceso de investigacion, desarrollo e innovacién (I+D-+i) depen- de del corecto funcionamiento de un minucioso engranaje de acwores, mo- mentos y recursos. La adquisicién © de- sarrollo de estos recursos demanda de las fuentes adecuadas de financiacién econémica para su realizacion. Lograr desarrollos significativos en ciencia y tecnologia requiere de cuantio- 808 recursos en todas las etapas del pro- ceso de I+D, los cuales son necesarios para alcanzar el liderazgo tecnolégico y de mercados. Es en este momento, don- de la biisqueda de fuentes de financia- cién adecuadas se hace necesaria para poder desarrollar con éxito las activida- des de I+D+i, y es precisamente en este acceso a fuentes idéneas de financiacién donde se advierte uno de los principales problemas del sistema de innovacién es- pafiol, como lo advierte la consulta a ex- pertos realizada por la fundacién CO- TEC, donde se sefala que existe una fal- ia de cultura en los mercados financie- ros espanoles para la financiactén de Ja innovaci6n, asi como una escasa de- dicacion de recursos financteros y bu- manos para la innovacién en las em- presas. Esta situacién se ve en gran parte jus- tificada debido a la naturaleza incierta y azarosa del proceso de innovaci6n, natu- raleza que comparte con las actividades de I+D, en las cuales; prever, cuantificar y cubrir los riesgos inherentes a los pro- yectos de innovacion y actividades de 1 +D, asi como al elevado componente tecnolégico presente en las innovaciones que debe ser valorado de forma diferen- te a las formas tradicionales de valora- cién de proyectos empresariales, ambas situaciones dificultan la adecuada finan- ciacin de las iniciativas de innovacién e I+D, De esta forma al referirnos a la finan- ciacién de la I+D, hacemos referencia al conjunto de actores, instrumentos y pro- ductos financieros empleados para uni las necesidades de recursos de financia- cion de las empresas ¢ instituciones que realizan actividades de 1+D+i y los re- cursos financieros disponibles en el mer- cado. Conocer el origen de los recursos ‘econémicos destinados a sufragar las ac- tividades de investigacién y desarrollo (I +D), asi como los instrumentos y pro- ductos financieros mediante los cuales 4978 ©ass