Servicios

Trabajos sobre el método y la aplicación de los programas

Desde esta página se puede acceder a varios trabajos relacionados con la metodología y el uso de los programas.

Todos los enlaces se abren en formato PDF

• Regresión de series temporales con perturbación ARIMA, valores ausentes y observaciones atípicas (programa TRAMO)
  • "Seasonal outliers in time series" (468 KB) (con R. Kaiser), edición especial sobre series temporales, Estadística, Journal of the Inter-American Statistical Institute, 15, 101-142, 2003.
    Presenta una extensión de TRAMO-SEATS para incorporar observaciones atípicas estacionales.
  • "Missing observations in ARIMA models: skipping approach versus additive outlier approach" (169 KB) (con V. Gómez y D. Peña), Journal of Econometrics 88, 341-364, 1999.
    Desarrolla los algoritmos alternativos para la estimación de observaciones ausentes en TRAMO.
  • "Estimation, prediction and interpolation for nonstationary series with the Kalman filter" (1,16 MB) (con V. Gómez), Journal of the American Statistical Association, 89, 611-624, 1994.
    Presenta los algoritmos básicos de estimación, predicción e interpolación en TRAMO.
  • "Initializing the Kalman Filter with Incompletely Specified Initial Conditions" (2,49 MB) (con V. Gómez), en R. Chen (ed.), Approximate Kalman Filter (Series on Approximation and Decomposition), London: World Scientific Publ. Co., 39-62, 1993.
    El trabajo trata el problema del uso del filtro de Kalman cuando las condiciones iniciales no están completamente especificadas (como es el caso con series no estacionarias). La discusión conduce al concepto de «máxima verosimilitud condicional» usado en TRAMO.
  • "Automatic Identification of RegARIMA models in Large Scale Applications: Program TSW" (483 KB) Mimeo, Banco de España, 56 pp, 2009. (Una versión reducida se encuentra en Proceedings of the American Statistical Association, Invited Papers, Business and Economic Sections, 2009).
    El trabajo presenta una aplicación del programa TSW a un conjunto de 500 series europeas de indicadores mensuales de comercio exterior. Se analizan y discuten los resultados del procedimiento de identificación automática del modelo.
  • "Automatic modelling methods for univariate series" (3,53 MB) (con Víctor Gómez). Capítulo 7 en A course in Time Series Analysis, D. Peña, D. G. Tiao and R. S. Tsay. (eds.), NY: J. Wiley and Sons, 171-201, 2001.
    El trabajo presenta la metodología de identificación automática del modelo y de detección y corrección de observaciones atípicas en el programa TRAMO.
• Extracción de señales en modelos ARIMA (programa SEATS)
  • "Combining Filter Design with Model-Based Filtering: An Application to Business-Cycle Estimation" (272 KB) (con Regina Kaiser), International Journal of Forecasting (seguido de debate), 21, 691-710, 2005.
    Muestra un procedimiento para incorporar filtros diseñados «a priori» dentro del método basado en modelos ARIMA y presenta una aplicación a la estimación del cicloeconómico.
  • "Stochastic Linear Trends: Models and Estimators" (3,06 MB) Journal of Econometrics, 56, 5-37, 1993. Reimpreso en A. Harvey and T. Proietti (eds.), Readings in Unobserved Component Models, Advanced Texts in Econometrics, Oxford University Press, 2005.
    El trabajo analiza los modelos estocásticos para los componentes de ciclo-tendencia implicados por modelos ARIMA para la serie observada.
  • "A Class of Diagnostics in the ARIMA-model-based Decomposition of a Time Series" (119 KB) en Seasonal Adjustment, Banco Central Europeo, 23-36, 2003.
    Sugiere un procedimiento simple e intuitivo para derivar tests en el marco de la descomposición de una serie por el método basado en modelos ARIMA.
  • "Estimation Error and the Specification of Unobserved Component Models" (294 KB) (con C.Planas), Journal of Econometrics, 92, 325-353, 1999. Reimpreso en P. Newbold and S.J.Leybourne, Recent Developments in Time Series, The International Library of Critical Writings in Econometrics, Cheltenham, UK: Edward Elgar Publ., 2003.
    Analiza el error en el estimador preliminar y final de componentes en modelos de componentes no observados.
  • "Seasonal Adjustment and Signal Extraction in Economic Time Series" (244 KB) (con V. Gómez), en D. Peña, G. C. Tiao, and R. S. Tsay (eds.) A Course in Time Series Analysis, Ch. 8, 202-247, New York: J. Wiley and Sons, 2001.
    Contiene una descripción de la metodología de extracción de señales basada en modelos ARIMA implementada en el programa SEATS.
  • "Unobserved Components in Economic Time Series" (4,10 MB) en H. Pesaran and M. Wickens (eds.), The Handbook of Applied Econometrics, chap. 1, 12-72. Oxford: Basil Blackwell, 1995.
    Discute el problema de identificación, estimación, diagnóstico e inferencia en modelos de componentes inobservados en series temporales económicas, así como algunas implicaciones para la práctica econométrica estándar.
  • "Use and Misuse of Unobserved Components in Economic Forecasting" (2,20 MB) Journal of Forecasting, 13, 157-178, 1994.
    Discute el efecto y las distorsiones que la estimación óptima (ECMM) de componentes inobservados impone cuando estos estimadores se usan dentro de un modelo de predicción econométrica.
  • "A Prototypical Seasonal Adjustment Model" (1,50 MB) (con D. A. Pierce), Journal of Time Series Analysis, 8, 177-193, 1987. Reimpreso en S. Hylleberg (ed.), Modelling Seasonality, Oxford University Press, 1992.
    Detalla el procedimiento de desestacionalización basado en modelos ARIMA por medio de un modelo simple (prototipo) con tendencia, componente estacional y componente irregular.
  • "On the Dynamic Structure of a Seasonal Component" (859 KB) Journal of Economic Dynamics and Control, 13, 81-91, 1989.
    El trabajo discute los modelos estocásticos implicados para el componente estacional por modelos ARIMA para la serie observada.
  • "On Minimum Mean Squared Error Estimation of the Noise in Unobserved Component Models" (89 KB) Journal of Business and Economic Statistics, 5, 115-120, 1987.
    Contiene una aplicación que ilustra uno de los diagnósticos básicos del método de descomposición de series por medio de modelos ARIMA implementado en SEATS.
  • "A note on minimum mean squared error estimation of signals with unit roots" (410 KB) Journal of Economic Dynamics and Control, 12, 589-593, 1988, North Holland.
    El trabajo presenta una extensión sencilla del filtro de Wiener-Kolmogorov a series temporales no estacionarias para el caso de una realización doblemente infinita.
  • "Revisions in ARIMA Signal Extraction" (538 KB) Journal of the American Statistical Association, Theory and Methods, 81, 395, 736-740, 1986.
    El trabajo analiza las revisiones en el estimador preliminar de la señal en la descomposición en «señal más ruido» de una serie temporal por medio del método basado en modelos ARIMA.
  • "An Application of Model-Based Estimation of Unobserved Components" (1,24 MB) International Journal of Forecasting, 2, 305-318, 1986.
    El trabajo muestra como la descomposición de una serie que sigue un modelo de ARIMA puede ser afectada por cambios en las especificaciones del modelo, y como esta sensibilidad puede ser de ayuda a la hora de la selección del modelo.
  • "Modeling Considerations in the Seasonal Adjustment of Economic Time Series" (588 KB) (por S. C. Hillmer, W. R. Bell y G. C. Tiao) Conference on the Seasonal Analysis of Economic Time Series, 120-122., U.S. Department of Commerce. Bureau of the Census, 1976.
    El comentario sugiere una consideración económica que puede ser de ayuda al evaluar la adecuación de métodos univariantes para el ajuste estacional.
  • "Descomposición de Series Temporales: Especificación, Estimación e Inferencia; con una Aplicación a la Oferta Monetaria en España" (8,17 MB) (seguido de discusión), Estadística Española, 114,11-69, 1987.
    Presenta y desarrolla el método de descomposición de series temporales por medio de la extracción de señales en un modelo ARIMA. Cubre la identificación y estimación del modelo y de los componentes, así como las etapas de diagnóstico e inferencia.
• Aplicaciones y extensiones
  • Aplicaciones de los programas
    • "An Application of the TRAMO-SEATS Automatic Procedure; Direct versus Indirect Adjustment" (279 KB) Computational Statistics and Data Analysis, 50, 2167-2190, 2006.
      Utilizando como ejemplo series de comercio exterior de Japón, el trabajo trata el problema del ajuste directo de un agregado versus el ajuste indirecto por medio de la agregación de sus componentes.
    • "An Application of TRAMO-SEATS: Changes in Seasonality and Current Trend-Cycle Assessment" (307 KB) (con R. Kaiser), en ICES II, Proceedings of the Second International Conference on Establishment Surveys (invited papers), Alexandra, VA: American Statistical Association, Washington DC, 731-742, 2001.
      El trabajo contiene una aplicación que ilustra la metodología de TRAMO-SEATS y su uso para el análisis de coyuntura.
    • "An Application of TRAMO-SEATS: Model Selection and Out-of-sample Performance" (214 KB) (con F.J. Sánchez), en Proceedings in Computational Statistics, Compstat 2000, Heidelberg: Physica-Verlag, 121-131, 2000.
      El trabajo contiene una aplicación de TRAMO-SEATS que ilustra el problema de la selección del modelo y de la predicción a corto plazo.
    • "An Application of TRAMO and SEATS" (4,10 MB) in Annali di Statistica: Seasonal Adjustment Procedures. Experiences and Perspectives, 129, X, 20, 271-344, 2000.
      El trabajo contiene una aplicación temprana de TRAMO-SEATS a un conjunto de series macroeconómicas italianas. Las series fueron seleccionadas por el Italian Seasonal Adjustment Research Appraisal Committee compuesto por miembros de universidades y de instituciones económicas públicas y privadas.
    • "La Desestacionalización de las Series de Agregados Monetarios" (7,52 MB) (con J. Salaverría), Boletín Económico, Banco de España, junio 1986, 17-33.
      Presenta la desestacionalización de los agregados monetarios españoles por medio del método de extracción de señales en modelos ARIMA, así como los errores de estimación de la estacionalidad y de la tendencia-ciclo, y deriva resultados relevantes para el control monetario.
    • "Application of Program TSW to a Set of Macroeconomic Time Series" (915 KB) Mimeo, Banco de España, 136 pp, marzo 2007.
      El trabajo presenta una aplicación de TRAMO-SEATS a un conjunto de series de cuentas nacionales peruanas. Cada serie es analizada y usada para mostrar particularidades de los programas que pueden ser de ayuda en la solución de problemas específicos.
  • No linealidad
    • "Unobserved Components in ARCH Models: An Application to Seasonal Adjustment" (1.14 MB) (con G. Fiorentini), Journal of Forecasting, 15, 175-201, 1996.
      El trabajo contiene una aplicación de TRAMO y SEATS a un agregado monetario que presenta no linealidad. La varianza condicional se descompone en estacionalidad, tendencia y componente irregular, y se muestra cómo esta descomposición puede ser de interés práctico para el control monetario.
    • "An Application of Nonlinear Time Series Forecasting" (5,83 MB) Journal of Business and Economic Statistic, 1, 66-74, 1983.
      El trabajo analiza modelos bilineales en el contexto de una aplicación para la predicción de un agregado monetario. Contiene un diagnóstico de no-linealidad usada en TRAMO.
  • Ciclo económico
    • "Temporal Aggregation, Systematic Sampling, and the Hodrick-Prescott Filter" (428 KB) (con Ana del Río), Computational Statistics and Data Analysis, 52, 975-998, 2007.
      El trabajo presenta un método intuitivo y computacionalmente simple para derivar filtros de tipo Hodrick-Prescott consistentes para distintos niveles de agregación temporal. Esta facilidad ha sido incorporada en la implementación del filtro de Hodrick-Prescott en la nueva versión de SEATS.
    • "Estimation of the Business Cycle: A Modified Hodrick-Prescott Filter" (325 KB) (con R. Kaiser), Spanish Economic Review 1, 175-206, 1999.
      Presenta una extensión de TRAMO-SEATS al problema de la estimación del ciclo económico.
    • "Measuring business cycles in economic times series" (1,24 MB) (con Regina Kaiser). Lecture Notes in Statistics, 154, NY: Springer-Verlag, 190 pp., 2001.
      El trabajo contiene un análisis detallado del filtro de Hodrick-Prescott para descomponer una serie desestacionalizada o una serie de ciclo-tendencia en tendencia más ciclo. Dentro del marco de los modelos ARIMA, se muestra como el filtro puede interpretarse por medio de modelos para la tendencia y el ciclo que presentan características espectrales apropiadas. La especificación modelística del filtro permite introducir mejoras en el filtraje y en su interpretación.
  • Control de calidad de los datos
    • "Data Quality Control with ARIMA Filtering" (98 KB) IFC Bulletin, International Statistical Institute Irvin Fischer Committee on Central Bank Statistics, 22, 48-53, 2005.
      Contiene una aplicación del programa de control de calidad TERROR a un conjunto grande de series españolas de registros de Aduanas.
    • "Un Nuevo Método para el Control de Calidad de los Datos en Series Temporales" (77 KB) (con C. Luna), Boletín Económico, Banco de España, mayo, 37-44, 1999.
      Presenta el programa «Tramo for ERRORs» (TERROR) para la detección de errores en los datos que se van incorporando a las bases de datos de series temporales. Contiene una aplicación a series trimestrales de componentes de los agregados monetarios.
  • Revisiones en los datos y su efecto en política monetaria
    • "Preliminary Data Error and Monetary Aggregate Targeting" (1,11 MB) (con D. A. Pierce), Journal of Business and Economic Statistics, 1, 179-186, 1983.
      Usando datos de la década de los 70 en EEUU, el trabajo analiza el error en los datos preliminares implicados por las revisiones de las series desestacionalizadas de los agregados monetarios, y las implicaciones sobre la precisión de su seguimiento a corto plazo.
    • "The Transmission of Data Noise into Policy Noise in U.S. Monetary Control" (1,83 MB) (con David A. Pierce). Econometrica, Vol. 54, No. 4, 961-979, julio 1986.
      El documento proporciona una estimación del efecto que las revisiones en las series desestacionalizadas del agregado monetario pueden haber tenido en la política de tipos de interés a corto plazo seguida por la Reserva Federal durante la década de los años 70, basada en objetivos para los agregados monetarios.
  • Métodos relacionados
    • "Encompassing Univariate Models in Multivariate Time Series: A Case Study" (3,32 MB) (con A. Mathis), Journal of Econometrics, 61, 197-233, 1994. Reimpreso en A. Zellner and F. Palm, The Structural Econometric Time Series Analysis Approach, Cambridge: Cambridge University Press, 2004.
      En el contexto de una aplicación multivariante, se discute y explota la relación entre los modelos VAR y ARIMA. El trabajo detalla la rutina de factorización espectral utilizada en el programa SEATS.
    • "Comment on the X12ARIMA Seasonal Adjustment Method" (231 KB) Journal of Business and Economic Statistics, 16, 155-160, 1998.
      Contiene una discusión de metodología X12ARIMA, y hace algunas comparaciones con TRAMO-SEATS.
    • "On Structural Time Series Models and the Characterization of Components" (708 KB) Journal of Business and Economic Statistics, 3, 350-355, 1985. Reimpreso en Harvey, A. C. (ed.). Time Series, Cheltenham: Edward Elgar Publ., 1994.
      Proporciona una comparación entre los filtros de X11, del Modelo Básico Estructural de Harvey y Todd, y del filtro por defecto de TRAMO-SEATS.
    • "Identification of the Dynamic Shock Error Model: The Case of Dynamic Regression" (1,56 MB) (con D.J. Aigner) en D. J. Aigner and A. S. Goldberger (eds.), Latent Variables in Socioeconomic Models, Amsterdam: North Holland, 1977.
      El trabajo deriva las condiciones de identificación para modelos dinámicos perturbados por «shocks» ARMA, y por errores en las variables.
• Comentarios generales
  • "Notes on Times Series Analysis, ARIMA Models, and Signal Extraction" (628 KB) (con R. Kaiser) Documento de Trabajo 0012, Servicio de Estudios, Banco de España, 72 pp., 2000.
    El trabajo presenta una introducción a los conceptos y métodos del análisis aplicado de series temporales para un usuario de TRAMO-SEATS que no sea un experto.
  • "Short-term Analysis of Macroeconomic Time Series" (493 KB) en A. Kirman and L. A. Gérard Varet, eds., Economics: Beyond the Millennium, Oxford: Oxford University Press, 244-272, 1999.
    Contiene una reflexión sobre el método de desestacionalización basado en la extracción de señales en modelos ARIMA, y sobre las limitaciones de esta metodología (orientada al corto plazo) cuando se usa para inferencia a largo plazo.
  • "Algunas Reflexiones sobre la Utilización del Análisis de Series Temporales en Economía" (1,26 MB) Revista Española de Economía. Vol. 7. Nº 2, 155-170, 2001.
    El trabajo presenta unas reflexiones personales e informales sobre el análisis de series temporales aplicado en Economía.
  • "Discurso Breve" (79 KB) en I Premio Galicia de Estadística, Instituto Galego de Estadística y Fundación CaixaGalicia, 32-42, 2007.
    El trabajo contiene una breve descripción anecdótica de la gestación de los programas TRAMO y SEATS.