Descomposicin del PBI peruano utilizando el filtro de Kalman

Milagros Gonzales ngel R. Guilln Diciembre 2011 I. INTRODUCCIN El presente trabajo desarrolla tres modelos para descomponer la serie del PBI en sus componentes cclico y tendencial utilizando el filtro de Kalman. El primero sigue la propuesta de Clark (1987) que utiliza nicamente la serie del PBI, modela el componente tendencial como un proceso no estacionario y el componente cclico como un AR (2). Los siguientes dos modelos desarrollan la metodologa de Rodrguez (2010) quien incorpora informacin de variables macroeconmicas adicionales como la inflacin o inversin, pues stas pueden ayudar a explicar las fluctuaciones del PBI. Las variables utilizadas son la tasa de desempleo, el ratio inversin-producto y la inflacin, las cuales son incorporadas en un modelo espacio estado que representa la Ley de Okun, una ecuacin que explica la dinmica de la inversin, y la curva de Phillips. El tercer modelo nicamente incorpora la curva de Phillips. Los modelos desarrollados constituyen una metodologa alternativa al uso de la regresin por MCO de la serie contra una funcin -lineal o cuadrtica- del tiempo, cuyas estimaciones son comparadas con los tres modelos desarrollados. El presente anlisis incluye una comparacin de resultados con el uso de los filtros Hodrick-Prescott, Baxter-King, y Cristiano-Fitzgerald. Los datos tienen frecuencia trimestral y comprenden el periodo 1980:1-2011:3. La incorporacin de ms observaciones a la muestra explicara la diferencia entre los resultados obtenidos y las estimaciones halladas por Rodrguez (2010). El resto del documento est organizado de la siguiente manera: la seccin 2 contiene una revisin de literatura, la seccin 3 los modelos de descomposicin del PBI peruano y los resultados de las estimaciones utilizando el filtro de Kalman, y la seccin 4 concluye. Rosibell Sols 1

Estudiantes de economa PUCP. Este documento corresponde a un trabajo final presentado para el para el curso de Econometra 2 a cargo del profesor Gabriel Rodrguez. Contacto: ngel R. Guilln: a20094405@pucp.pe.

II. REVISIN DE LA LITERATURA La literatura sobre el anlisis de la serie del PBI se ha enfocado, adems de su no estacionariedad, en el estudio de su componente tendencial no estacionario y de su componente cclico estacionario, ambos no observables. Y es que la inspeccin visual de la serie suele indicar que sta se movera en un patrn irregular de expansin y contraccin alrededor de una tendencia creciente. Una primera aproximacin de la medicin de ambos componentes fue dada por Mitchell (1928) quien tom el logaritmo de la serie y la regresiona contra una funcin lineal de tiempo, obteniendo una tasa de crecimiento constante sobre largos periodos de tiempo, la cual correspondera a su componente tendencial, siendo los residuos de la regresin, los ciclos estacionarios que se mueven alrededor de la tendencia. Nelson y Plosser (1982) por otro lado, obtienen el componente cclico sustrayendo la parte no estacionaria por primeras diferencias, modelando a la tendencia como una marcha aleatoria en vez de que sta sea una tendencia determinstica Posteriormente, Watson (1986) modela el producto a travs de un modelo de componentes no observados, en el cual una serie observada es descompuesta en un componente tendencial que sigue una marcha aleatoria con deriva y un residuo que sigue un proceso estocstico estacionario. El modelo es aplicado para 3 series de tiempo: GNP, ingreso disponible y gasto en consumo. Los modelos espacio-estado Los componentes no observables pueden ser representados en los modelos espacio estado. Harvey (1981) los describe como representaciones de modelos dinmicos lineales, de la siguiente forma: , , La primera es la ecuacin de medida y establece la relacin entre las variables dependientes observables contenidas en el vector y las variables no observables representadas por el vector . La segunda es la ecuacin de movimiento o transicin e indica el proceso que seguira las variables no observables, llamadas tambin variables de estado. Mientras , , y son matrices fijas que aportan informacin. Los modelos espacio estado asumen que las innovaciones y no estn correlacionadas serialmente ni estn correlacionadas entre ellas. La utilidad de los modelos espacio estado radica en proveer un marco para el manejo de series de tiempo con componentes no observables, por ejemplo asumiendo que el componente cclico del PBI tiene un comportamiento autorregresivo estacionario, la estructura propuesta en (1) y (2) permitira estimar dicho componente no observable, ya que todo modelo ARMA puede ser representado de la forma espacio estado.

El filtro de Kalman Es un algoritmo que permite encontrar los estimadores ptimos en un sistema representado de la forma espacio estado. Este filtro sigue un procedimiento recursivo que puede dividirse en dos fases: la fase de prediccin y la fase de actualizacin. En la primera etapa se estiman las variables de estado considerando la informacin disponible hasta t-1, en la segunda etapa la nueva informacin del tiempo t contenida en el error de prediccin actualiza el estimador original a travs de la ganancia de Kalman. Es necesario notar la importancia de la funcin de verosimilitud del error de prediccin de la variable aleatoria y la normalidad de los errores, pues la maximizacin de esta funcin proporcionar los estimadores ptimos buscados. Asimismo, para obtener la variable no observada, se toma la informacin de toda la serie para cada periodo a predecir, de este modo los estimadores son ms eficientes que cuando se tomaban los datos hasta el periodo anterior, esta tcnica ser utilizada en las estimaciones y se denomina smoothing Aplicaciones del filtro de Kalman Clark (1987) realiza una de las primeras aplicaciones del modelo de componentes no observables al producto nacional bruto (PNB) de Estados Unidos, consider la existencia de un producto tendencial que segua una marcha aleatoria con deriva corregido por la tasa de crecimiento del producto y de un componente cclico que segua un proceso AR(2), es decir los componentes no observables con calculados a partir de la misma informacin que brinda el PNB y su tasa de crecimiento. Sin embargo, los componentes no observables como el ciclo del producto tienen una estrecha relacin con otras variables econmicas tal y como lo demuestran los hechos estilizados. La inflacin se relaciona de manera positiva con la brecha del producto a travs de la curva de Phillips, pero negativamente con las desviaciones de la tasa de desempleo de su nivel natural o NAIRU, de acuerdo a la Ley de Okun, en tanto existe una correlacin positiva entre el nivel de inversin y la produccin. Es decir estas variables contienen informacin relevante para la estimacin de los componentes no observables del PBI. Rodrguez (2009) siguiendo la propuesta planteada por Domnech (2003) encuentra que para el caso peruano slo la inflacin proporciona informacin relevante para el clculo del ciclo de producto como consecuencia de una pobre calidad en la construccin de las variables de desempleo e inversin, adems encuentra diferencias considerables entre sus estimaciones y la de otros filtros (Hodrick-Prescott, Baxter-King, Beberigde-Nelson, Cristiano-Fitzgerald), siendo la mayor similitud la propuesta de Clark (1987) que usa tambin el filtro de Kalman pero con una representacin espacio estado ms simple.

III. DESCOMPOSICIN DEL PBI PERUANO Para la descomposicin del PBI peruano se emplean datos trimestrales desde 1980:1 hasta 2011:3 para las series del PBI (desestacionalizada), inflacin, desempleo y ratio de inversin-producto. Se pretende encontrar los componentes no observables del PBI utilizando la informacin de la inflacin, del desempleo y el ratio de inversin- producto que suelen estar relacionados con el ciclo del producto a travs de leyes empricas como la curva de Phillips, la Ley de Okun y los co-movimientos entre el ratio de inversin y la brecha de producto, el comportamiento de las series puede apreciarse en el Grfico 1.

Grfico 1. Variables utilizadas en el modelo

Log PBI real
11.0 .12 .11 .10 10.6 .09 .08 .07 .06 10.0 .05 .04 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

Tasa desempleo

10.8

10.4

10.2

9.8

Ratio Inversin Privada / PBI

.26 .24 .22 .20 .18 .16 .14 .12 .10 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 0 6 10

Inflacin

-2 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

La serie del producto muestra un comportamiento tendencial a partir del ao 1992, as tambin la serie recoge las distintas crisis acontecidas, esto se puede ver en las cadas de las series, en el ao 1982 que se debe al fenmeno del Nio y a la cada del precio de los metales. Asimismo, en el ao 1989 la cada en el PBI fue debido a la hiperinflacin durante el gobierno de Alan Garca. En el 2009, se aprecia una nueva cada en el producto debido a la crisis financiera internacional. Analizando la serie de la inversin privada vemos que es muy voltil. En el ao 1992 alcanz su punto ms bajo, representando el 11% del producto, asociado al autogolpe de Alberto Fujimori. As tambin vemos que la inversin reaccion rpidamente ante la crisis internacional del 2008, pasando de un 22% a un 16% del PBI.

La serie de la tasa de desempleo es muy ruidosa, y presenta un patrn distinto a partir del 2001, pues se han usado dos fuentes de informacin para construir esta serie, sin embargo es considerada en el modelo, por la importancia de estimar el desempleo estructural o NAIRU. La serie de la inflacin tiene un comportamiento aparentemente estable hasta 1988, luego de ese ao la inflacin se dispara, llegando a un punto hiperinflacionario mximo en el tercer periodo del ao 1990. No obstante, a partir del ao 1992, la inflacin se estabiliza. Se desarrollan tres modelos, el primero en base a la propuesta de Clark (1987) , el segundo considerando el producto y la informacin que proporciona la curva de Phillips, la Ley de Okun y una ecuacin de inversin, mientras el tercer modelo considera slo la relacin entre el producto y la inflacin a travs de la curva de Phillips; los dos ltimos modelos siguen el planteamiento de Rodrguez (2010). Modelo 1: Se aplica el modelo propuesto por Clark (1987). Este modelo trabaja slo con la serie del producto y plantea un comportamiento tendencial que sigue una marcha aleatoria y un componente cclico que sigue un proceso AR(2) muy similar a la propuesta de Watson (1986) slo que el intercepto del producto potencial tambin sigue una marcha aleatoria y representa la tasa de crecimiento variable en el tiempo del producto tendencial.

Se asume que el proceso del componente cclico sigue un proceso AR(2) y que , , son ruidos blancos independientes con desviaciones estndar ( ) ( )

Modelo espacio-Estado Ecuacin de medida

) [ ]

Ecuacin de transicin

[ [ ]

] [ ]

Al tratar de aplicar este modelo al PBI peruano se afront una dificultad para maximizar la funcin de verosimilitud, pues dependan de valores iniciales muy especficos. Los resultados se muestran en la Tabla 1. No hay significatividad en la varianza del componente tendencial, lo que hace que la tendencia se ajuste mucho a la serie real y el componente cclico sea muy ruidoso, ver Grfico 2. Tabla N 1. Estimacin por Mxima Verosimilitud
Produccin 1.089 (14.33) -0.485 (-8.14) 0.006 (-32.5) 0.000 (0.00) 0.022 (-62.00)

Grfico 2. PBI potencial y ciclos (Modelo de Clark 1987)

PBI Real
11.0 .12

Ciclos del PBI Real

10.8

.08

10.6

.04

10.4

.00

10.2

-.04

10.0

-.08

9.8 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

-.12 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

PBI Real

PBI Real Potencial

Modelo 2: Este es un modelo multivariado que incluye la curva de Phillips, la Ley de Okun y la ecuacin de inversin. Se sigue la propuesta de Rodrguez (2010) pero considerando slo dos outliers dadas las diferencias encontradas en la serie que se trabaja. Adems, la volatilidad del componente estacionario del PBI sufre de heteroscedasticidad, por tanto se considera un quiebre en la varianza en el periodo 1993:3. El mismo problema afecta a la volatilidad de la inflacin, por ello se incorpora la posibilidad que la varianza del componente permanente cambie en el tiempo, se tiene dos quiebres 1988:3 y 1990:3. Comportamiento del producto

( )

con ( ( ( ) ) )

La curva de Phillips ( ( ) ) ( )

Ley de Okun ( ) ( )

Comportamiento de la inversin ( ) ( )

Modelo espacio - estado Ecuacin de medida

[ [ ]

][ ]

[ [ ]

Ecuacin de transicin

[ ] [ ] [ ]

][

Para maximizar la funcin de verosimilitud se usan como valores iniciales los parmetros estimados por Rodrguez (2010), los resultados se muestran en la Tabla 2, los valores en parntesis corresponden al estadstico.

Tabla 2. Estimacin por Mxima Verosimilitud

Ecuaciones Inversin 0.046 (1.18) 0.084 (1.45) 0.54 (5.98) 0.012 (-73.01) 0.006 (-15.13)

Produccin 0.697 (13.11) -0.008 (0.00) 0.009 (3.98) 0.032 (-25.8) 0.012 (-12.68) 0.017 (-21.37)

Ley de Okun -0.074 (-3.99) 0.141 (0.33) 0.004 (-5.97) 0.008 (-28.74)

Curva de Phillips -0.613 3.398 (-1.78) (5.61) 0.07 7.851 (1.51) (9.82) 0.076 0.357 (1.57) (-7.42) 0.024 1.639 (0.56) (1.48) 0.041 0.023 (1.05) (-11.58) 0.034 (-27.35)

Los resultados obtenidos difieren de los de Rodrguez, la curva de Phillips es apenas significativa, mientras la ley de Okun s es significativa, la ecuacin de inversin no es relevante, y la varianza del periodo 1988:3 hasta 1990:3 tampoco es significativa. Estas divergencias se pueden deber a los datos iniciales tomados pues la muestra con la que se trabaja es ms grande y requieren de una nueva recalibracin de los valores iniciales, el problema radica en las limitaciones del software usado: EViews, pues no permite imponer restricciones a los parmetros o modificar el algoritmo de maximizacin. Sin embargo, la relevancia que mostrara la Ley de Okun puede deberse a la incorporacin de nueva informacin: se agregan 5 aos ms a la serie y con informacin nueva que no sufre de los problemas de construccin de los valores iniciales. Coincidentemente, el valor encontrado (-0.074) es similar al encontrado por Garavito (2002) quien hizo una estimacin de la Ley de Okun. 2 Al observar el comportamiento permanente y cclico a travs de los periodos de recesin, puede notarse que la recesin de finales de los 80s e inicios de los 90s afect negativamente el PBI potencial. La recesin de 1998, a pesar de su duracin, no causo un gran impacto; mientras la ltima recesin de finales del 2008 tuvo un menor impacto en el crecimiento del componente cclico y permanente3.

Garavito trabaja con series anuales desde 1970 hasta el 2000, plantea dos formas de estimar la sensibilidad del desempleo respecto a la brecha del producto, es decir el coeficiente de Okun, encontrando los valores de -0.0845 y -0.079 respectivamente. 3 Las recesiones contabilizadas son cuatro, la primera 1982:2 1984:1, la segunda 1988:1 1990:3, la tercera 1998:1 2000:4 y la cuarta 2008:4 2009:2, el criterio de demarcacin de la recesin es la cada del PBI no primario trimestral desestacionalizado por ms de dos trimestres consecutivos. (Dancourt y Mendoza 2009)

Un segundo anlisis que se deriva del anlisis de la brecha del producto es la dificultad de prediccin de una posible recesin, como se observa en el segundo recuadro del Grfico 3 el inicio de todas las recesiones ha coincidido con un ciclo favorable por encima de su nivel potencial y en tales circunstancias esperar una cada del producto es poco probable.

Grfico 3. PBI potencial y ciclos (Modelo de Rodriguez 2010)

PBI Real (Modelo 2)
11.0 10.8 10.6 10.4 .0 10.2 -.1 10.0 9.8 9.6 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 -.2 .3

Ciclos del PBI Real (Modelo 2)

.2

.1

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

PBI Real

PBI Real Potencial

Adicionalmente, se compara los resultados del filtro de Kalman con otros filtros estadsticos, ver Tabla 3, con una simple sustraccin de la tendencia lineal y cuadrtica; y con los otros modelos que aplican tambin el filtro de Kalman. Se considera tambin el modelo de Domnech sin considerar outliers, ni cambios en la varianzas. Los resultados indican una mayor correlacin con el modelo de Rodrguez de dos variables donde considera la ecuacin del producto y la curva de Phillips. El comportamiento de los componentes cclicos de cada uno de los filtros se muestra en la Grfico 6 del anexo. Tabla 3. Correlacin entre modelo de Rodrguez 2010 y otros
Hodrick- Baxter- Christiano- Tendencia Tendencia Watson Clark Domnech Mod. 2 Prescott King Fitzgerald lineal cuadrtica 1986 1987 2003 variables 0.639 0.821 0.746 0.804 0.849 0.232 0.323 0.837 0.959

10

Modelo 3: El tercer modelo slo considera la brecha del producto y relacin con la inflacin a travs de la curva de Phillips. Se obtiene un ciclo de producto ms suave que en el modelo de Clark; no obstante, el parmetro que mide la sensibilidad de la inflacin a la brecha del producto resulta no significativo, como se observa en la Tabla 3. Comportamiento del producto

La curva de Phillips ( ( ) ) ( )

Modelo espacio - estado Ecuacin de medida

][ ]

] [ ]

][

Ecuacin de transicin

[ ] [ ] [ ] [ ][ ]

[ [ ]

11

Tabla 4. Estimacin por Mxima Verosimilitud

Produccin 0.697 (8.03) -0.001 (0) 0.008 (3.22) 0.032 (-21.21) 0.01 (-7.28) 0.018 (-16.38) Ecuaciones Curva de Phillips -0.872 (-1.34) 0.068 (0.83) 0.074 (1.7) 0.023 (0.54) 0.04 (0.97) 0.036 (-23.98)

3.411 (4.88) 7.848 (6.14) 0.345 (-7.27) 1.623 (1.34) 0.02 (-6.99)

El comportamiento del ciclo del producto en este modelo es muy similar al modelo 2. No obstante el coeficiente que mide la relacin entre el producto y la inflacin no es significativo. Mientras en el modelo 2 la inclusin de la Ley de Okun que si es significativa permite una mejor descomposicin del producto en concordancia con las las relaciones tericas esperadas. En el Grfico 4 se aprecia el componente tendencial y los ciclos estimados.

Grfico 4. PBI potencial y ciclos (Modelo de Rodrguez 2010)

PBI Real (Modelo 3)
11.0 .20 .15 10.8 .10 10.6 .05 .00 10.4 -.05 10.2 -.10 -.15 10.0 -.20 9.8 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 -.25 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

Ciclos del PBI Real (Modelo 3)

PBI Real

PBI Real Potencial

12

IV. Conclusiones Se han estimado tres modelos para descomponer el PBI peruano en tendencia y ciclo, el primero univariado y los dos siguientes multivariados. En el primer modelo se encontr no significatividad en la varianza, ni en el intercepto del componente tendencial. En el segundo modelo, la varianza del componente estacionario del PBI y la inflacin es heteroscedstica, siguiendo a Rodrguez (2010) se incorpora la posibilidad de que las varianzas de ambos componentes cambien en el tiempo y se adicionan outliers para controlar los picos de inflacin. Los resultados muestran significatividad de la Ley de Okun y de la Curva de Phillips al 10%, lo cual difiere de Rodrguez (2010). Esto se puede deber a que la muestra tomada es mayor o porque solo consideramos dos outliers, en vez de tres. En el tercer modelo el parmetro que mide la sensibilidad de la inflacin a la brecha del producto resulta no significativo, a pesar de tener una alta correlacin con el modelo anterior. Por tanto, se concluye que el mejor modelo que ayuda a estimar la brecha producto es el segundo modelo.

13

BIBLIOGRAFA

Clark, Peter 1987 The Cyclical Component of U. S. Economic Activity. The Quarterly Journal of Economics, Vol. 102, No. 4, pp. 797-81. Dancourt, Oscar y Mendoza, Waldo. 2009 Per 2008-2009: del auge a la recesin. En O. Dancourt y F. Jimnez (editores), Crisis internacional. Impactos y respuestas de poltica econmica en el Per. Lima: Fondo editorial de la Pontificia Universidad Catlica del Per. Domnech, Rafael y Vctor Gmez 2003 Estimating potential output, core inflation and. the NAIRU as latent variables. Journal of Business and Economic Statistics, 354-365. Garavito, Cecilia 2002 La Ley de Okun en el Per: 1970-2000. Documento de Trabajo 212, Departamento de Economa. Pontificia Universidad Catlica del Per. Harvey, Andrew C. 1993 Time series models. Cambridge, MA. 2nd edition: The MIT Press. Mitchell, W.C. 1928 Business Cycles. New York: National Bureau of Economics Research. 1928

Nelson, Charles R. and Charles I. Plosser. 1982 Trends and random walks in macroeconmic time series: Some evidence and implications Journal of Monetary Economics, vol. 10, issue 2, pages 139-162.

Rodrguez, Gabriel 2010 "Estimating Output Gap, Core Inflation, and the NAIRU for Peru," Applied Econometrics and International Development. Vol 10, No 1. 149-159. Watson, Mark 1986 Univariate detrending methods with stochastic trends Journal of Monetary Economics. XVIII

14

ANEXOS

Grfico 5. Componente permanente y cclico de las series

11.0 10.8 10.6 10.4 .08 10.2 .07 10.0 9.8 9.6 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 .06 .05 .04 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 .12 .11 .10 .09

Log PBI real

PBI potencial

Tasa desempleo Componente tendencial

.26 .24 .22 .20 .18 .16 .14 .12 .10 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

10

-2 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

Ratio Inversin Privada / PBI Componente tendencial

Inflacin

Inflacin subyacente

15

Grfico 6. Comparacin del Modelo 2 con otros filtros

.3 .3

.2

.2

.1

.1

.0

.0

-.1

-.1

-.2

-.2

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

Ciclo (Modelo 2) Ciclo (Hodrick-Prescott)

Ciclo (Modelo 2) Ciclo (Baxter-King)

.3

.3 .2 .1

.2

.1 .0 .0 -.1 -.1 -.2 -.2 -.3 -.4 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

-.3

Ciclo (Modelo 2) Ciclo (Christiano-Fitzgerald)

Ciclo (Modelo 2) Ciclo (Tendencia lineal)

.3

.3

.2

.2

.1

.1

.0

.0

-.1

-.1

-.2

-.2

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

Ciclo (Modelo 2) Ciclo (Tendencia cuadrtica)

Ciclo (Modelo 2) Ciclo (Clark 1987)

.3

.3

.2

.2

.1

.1

.0

.0

-.1

-.1

-.2

-.2

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

-.3 80 82 84 86 88 90 92 94 96 98 00 02 04 06 08 10

Ciclo (Modelo 2) Ciclo (Domnech 2003)

Ciclo (Modelo 2) Ciclo (Modelo 3)

16