UNIVERSIDAD NACIONAL AUTNOMA DE

MXICO
Facultad de Economa
4 Encuentro de Usuarios de Stata en
Mxico (EUSMEX 2013)

Alternativa de un parmetro de
suavizacin en el filtro Hodrick-Prescott
Ponente: Miguel ngel Ramrez Hernndez

Directrices de la exposicin
Series

de tiempo: retrospectiva, definicin

y componentes.
El

filtro Hodrick-Prescott (1997) y crticas al

parmetro de suavizacin ().
Propuesta,

simulacin y evidencia emprica.

Referencias.

Miguel ngel Ramrez Hernndez

Every kind of periodic

fluctuation, whether daily,
weekly, monthly, quarterly, or
yearly, must be detected and
exhibited, not only as a subject of
study in itself, but because we
must ascertain and eliminate such
periodic variations before we can
correctly exhibit those which are
irregular or non-periodic, and
probably of more interest
importance1
William Stanley Jevons
1862

Jevons, W.S. (1884). Investigations in

currency and finance. London: Macmillan
and Co. page 4.
1

Miguel ngel Ramrez Hernndez

Series de tiempo: retrospectiva, definicin y

componentes.

Mitad del siglo XIX: W.S. Jevons (1862) pionero en el

anlisis de series temporales.

Inicios del siglo XX Hooker (1901). Concepto tendencia.

Primera mitad del siglo XX

Estudio de los ciclos econmicos:
Kitchin (1923) y Frickey (1934).
Formalizacin de modelos cclicos:
Kuznets (1929); Frisch (1933); Samuelson (1939); Kaldor
(1940); Metzler (1941) y Tinbergen (1939,1940, 1942).

1950-1960: periodo de estado estacionario a nivel

intelectual sobre ciclos econmicos.
Miguel ngel Ramrez Hernndez

1970-1980:

dcada de distincin de ciclos econmicos,

ciclos de crecimiento y ciclos econmicos-polticos,
Nordhaus(1975).
Simultneamente, Lucas (1975) con diferencias
notables: Ciclo Econmico General (CEG).
A

partir de CEG se suscitaron derivaciones con

expectativas racionales Desarrollo de los modelos
RBC.
Kydland-Prescott (1982): prototipo RBC
Long y Plosser (1983).
1980-1990:

especial inters en la descomposicin de

series temporales: ciclo-tendencia. Harvey (1985) y;
Hodrick-Prescott (1997). Amplio uso en modelos RBC.
Miguel ngel Ramrez Hernndez

Definicin de serie de tiempo

Sea (, un
de probabilidad.
, Pespacio
)
y variable aleatoria, funcin real definida en
para cada nmero real a:

tal que

Aa w | y ( w) a

As, para cada a:

F : R 0,1
F (a ) P ( Aa )

Ergo, un vector aleatorio o vector de variables aleatorias de

dimensin K es una funcin y de
en el espacio
euclidiano Rk

y w y1 w ,..., yk w

a (a1 ,..., ak ) R k

Aa w | y1 ( w) a1 ,..., yk | ( w) ck
Miguel ngel Ramrez Hernndez

F : R k 0,1
F (a ) P ( Aa )

Funcin de distribucin de y

Si suponemos un conjunto ndice Z que contenga nmeros

enteros no negativos, un proceso estocstico discreto es una
funcin real:

t Z, y (t , w)
y:Z R

Generalmente, la variable aleatoria correspondiente a t

se denota como {yt}.
Finalmente, una serie de tiempo se define como una
realizacin subyacente al proceso estocstico discreto y cuya
indizacin se ordena a una frecuencia equidistante.

Miguel ngel Ramrez Hernndez

Componentes clsicos de una serie de tiempo.

Persons (1919) identific 4 componentes de las series de

tiempo:

1)

Un desarrollo de largo plazo (tendencia).

2)

Un componente cclico con periodos superiores a t+1

(ciclo).

3)

Un componente que contiene fluctuaciones ascendentes y

descendentes dentro de un ao (ciclo
estacional/estacionalidad).

4)

Un componente con movimientos excluidos en 1), 2) y 3).

(residual/irregular).

Miguel ngel Ramrez Hernndez

El filtro Hodrick-Prescott (H-P) y crticas al parmetro de suavizacin ()

Definen una serie de tiempo yt como la suma de un

componente de crecimiento y un componente cclico:

yt g t ct para t 1,2,3,..T

Proceso de optimizacin particular: minimizar la varianza

del componente cclico y la varianza de la segunda
diferencia del componente de tendencia.

min

gt Tt 1

c
t 1

2
t

g t g t 1 ( g t 1 g t 2 )

t 1

Factor de suavizado:

12
2
2

Fuente: Elaboracin propia con base en Hodrick y Prescott (1997).

Miguel ngel Ramrez Hernndez

La evidencia y pertinencia de los factores de suavizado

que sugieren los autores para datos anuales es 100 y
1,600 para datos trimestrales.

Sin embargo, el parmetro presenta una serie de

inconsistencias esbozadas principalmente por: Cogley y
Nason (1995); Guay, ST-Amant (2005).

Crticas:

1.

Los componentes ciclo y tendencia presentan desviaciones

prominentes cuando el estimador no es consistente.

2.

Ciclos reales espurios derivados de la sobreidentificacin del

orden de las series de tiempo.

3.

Varianzas del ciclo y la tendencia corresponden a series

particulares; asumir a priori factores de suavizado pueden
perturbar inferencias, por ejemplo, la tasa de desempleo y
estimaciones de la tasa natural por medio del filtro H-P.

Miguel ngel Ramrez Hernndez

10

Propuesta, simulacin y
evidencia emprica.

i.

ii.

Propuesta:
Identificar puntualmente el orden de
integracin de la tendencia y proceder a
utilizar la varianza correspondiente.
Considerar y ponderar el factor por un

coeficiente
angular.
Donde:

fa
T

inverso de
12
fa 2
2

Miguel ngel Ramrez Hernndez

frecuencia

11

Estimacin matricial

En trminos de Hodrick-Prescott (1997)

Sea:

yt ( y1 , y2 ,..., yT ), yt R T
gt RT

yt g t ct

c RT

Si el factor de suavizado es no negativo, i.e. >0, la

descomposicin de la serie yt se obtiene minimizando la
suma ponderada de cuadrados con respecto a g t :
2

yg g

Nota: Stata incorpora el comando hprescott.

Miguel ngel Ramrez Hernndez

12

La solucin nica de la minimizacin se define como:

g , y I Z Z y
1

Donde Z denota una matriz particular de dimensin T 2 T

e I indica la matriz identidad.

Z T 2T

1 2 1
0 1 2
:
... ... ...

0 ... ...

Miguel ngel Ramrez Hernndez

... ...
1 ...
... ...
1 2

0
0
...

13

Simulacin en Stata

Paso 1: Definir la matriz Z.

mkmat , matrix(Z)
mat list Z
Paso 2: Estimar la matriz transpuesta de Z.
matrix Z=Z
mat list Z
Paso 3: Definir la matriz identidad I.
mkmat , matrix(identidad)
mat list identidad
Paso 4: Multiplicar la matriz transpuesta Z por la matriz Z.
matrix ZZ=Z*Z
Paso 5: Estimar el factor de suavizado y multiplicar dicho
escalar por el resultado de la matriz obtenida en el Paso 4.
matrix lambdaZZ= *ZZ

Miguel ngel Ramrez Hernndez

14

Paso 6: Del resultado obtenido en el paso 5, sumar la matriz

identidad.
matrix lambdaZZ+I=identidad+lambdaZZ
mat list lambdaZZ+I
Paso 7: Estimar inversa de la matriz resultante en el paso 6.
matrix inversalambdaZZ+I=invsym(lambdaZZ+I)
Paso 8: Introducir la serie de tiempo
mkmat serie
matlist
Paso 9: Finalmente multiplicar el vector de la serie de
tiempo por la matriz estimada en el paso 7.
Resultado: Tendencia de la serie de tiempo.
Nota: el componente ciclo se obtiene restando a la serie de
tiempo su componente tendencial.
Miguel ngel Ramrez Hernndez

15

Evidencia emprica

Se extrajo el tipo de cambio real efectivo de

Noruega (REER), para un periodo de frecuencia
trimestral de 1980-I a 2008-III.

Objetivo: analizar los cambios en la balanza de

bienes y servicios no factoriales de un pas.
(REER-proxy)

Miguel ngel Ramrez Hernndez

16

4.65

Noruega: tipo de cambio real efectivo y filtros H-P con

variaciones en el factor de suavizado, 1980-I a 2008-III.
Serie LTCR

lambda=1600

lambda=13.08159669

lambda=239.4300893

4.5

4.55

4.6

Propuesta alternativa

1980-1

1990-1

2000-1

2010-1

Fuente: Elaboracin propia con base en IMF y Banco Central de

Noruega (2013).
Datos simulados en Stata.
Miguel ngel Ramrez Hernndez

17

Referencias
oCogley,

T. and Nason, J.M. (1995), Effects of the HodrickPrescott filter on trend

and difference stationary time series. Implications for business cycle research,
Journal of Economic Dynamics and Control, 19, 253278.
oFrickey, E. (1934), The problem of secular trend, Review of Economics and
Statistics, 16, 199206.
oFrisch, R. (1933), Propagation problems and impulse problems in dynamic
economics, in Economic Essays in Honour of Gustav Cassel, London: George Allen
& Unwin, 171205.
oGuay, A. y St.-Amant, P. (2005). Do the Hodrick-Prescott and Baxter-King Filters
Provide a Good Approximation of BusinessCycles. Annals of Economics and
Statistics / Annales dconomie et de Statistique, 77,133-155.
oHarvey, A.C. (1985), Trends and cycles in macroeconomic time series, Journal
of Business and Economic Statistics, 3, 216227.
oHodrick, R.J. and Prescott, E.C. (1997). Postwar US business cycles: an empirical
investigation, Journal of Money, Credit and Banking, 29, 116.
oHooker, R.H. (1901), Correlation of the marriage rate with trade, Journal of the
Royal Statistical Society, 64, 485503.
oKaldor, N. (1940), A model of the trade cycle, Economic Journal, 50, 7892.
oKitchin, J. (1923), Cycles and trends in economic factors, Review of Economics
Contina
and Statistics, 5, 1016.
oKuznets, S. (1929), Random events and cyclical oscillations, Journal of the
18
Miguel ngel Ramrez Hernndez

o Kydland,

F.E. and Prescott, E.C. (1982), Time to build and aggregate

fluctuations, Econometrica, 50, 13451370.
o Jevons, W.S. (1884). Investigations in currency and finance. London: Macmillan
and Co. page 4.
o Long, J.B. and Plosser, C.I. (1983), Real business cycles, Journal of Political
Economy, 91, 3969.
o Lucas, R.E. (1975), An equilibrium model of the business cycle, Journal of
Political Economy, 83, 11131144.
o Metzler, L.A. (1941), The nature and stability of inventory cycles, Review of
Economics and Statistics, 23, 113129.
o Nordhaus, W.D. (1975), The political business cycle, Review of Economic
Studies, 42, 169190.
o Persons, W.M. Indices of Business Conditions, Review of Economic Statistics
(1919), pp. 5 107.
o Samuelson, P.A. (1939), Interactions between the multiplier analysis and the
principle of the accelerator, Review of Economics and Statistics, 21, 7578.
o Tinbergen, J. (1939b), Statistical Testing of Business-Cycle Theories, Volume
1I: Business Cycles in the United States of America, Geneva: League of
Nations.
o Tinbergen, J. (1940), On a method of statistical business-cycle research. A
reply, Economic Journal, 50, 141154.
o Tinbergen, J. (1942), Critical remarks on some business-cycle theories,
Econometrica, 10, 129146.
Miguel ngel Ramrez Hernndez

19