METODOS DE DESAGREGACION TEMPORAL: CHOW-LIN, FERNANDEZ Y LITTERMAN

Presentación del tema: "METODOS DE DESAGREGACION TEMPORAL: CHOW-LIN, FERNANDEZ Y LITTERMAN"— Transcripción de la presentación:

1 METODOS DE DESAGREGACION TEMPORAL: CHOW-LIN, FERNANDEZ Y LITTERMAN
Enrique M. Quilis Instituto Nacional de Estadística

2 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

3 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

4 MODELO DE ALTA FRECUENCIA

5 MODELO DE ALTA FRECUENCIA Chow-Lin (1971)

6 MODELO DE ALTA FRECUENCIA Fernández (1981)

7 MODELO DE ALTA FRECUENCIA Litterman (1983)

8 MODELOS DE ALTA FRECUENCIA
 1 Litterman Fernández -1  1 Chow-Lin -1

9 MODELO DE ALTA FRECUENCIA

10 MODELO DE ALTA FRECUENCIA Matriz VCV: v

11 MODELO DE ALTA FRECUENCIA Matriz v: Chow-Lin

12 MODELO DE ALTA FRECUENCIA Matriz v: Fernández

13 MODELO DE ALTA FRECUENCIA Matriz v: Litterman

14 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

15 AGREGACION TEMPORAL: n=sN

16 INTERPOLACION: n=sN

17 EXTRAPOLACION: n>sN

18 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

19 MODELO DE BAJA FRECUENCIA

20 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

21 ESTIMACION: ETAPAS Estimación de los parámetros  Estimación del parámetro de la innovación de alta frecuencia:  o  Estimación de la serie de alta frecuencia y

22 ESTIMACION DE  Mínimos cuadrados ponderados

23 ESTIMACION DEL PARAMETRO DE LA INNOVACION DE ALTA FRECUENCIA
Por máxima verosimilitud (Bournay y Laroque, 1979) Por mínimos cuadrados ponderados (Bodo et al., 1981) A través de la relación entre los parámetros de las innovaciones de alta y baja frecuencia (di Fonzo y Filosa, 1987)

24 ESTIMACION DE  ( o ) Máxima verosimilitud

25 ESTIMACION DE  ( o ) Máxima verosimilitud

26 ESTIMACION DE  ( o ) Máxima verosimilitud

27 ESTIMACION DE  ( o ) Mínimos cuadrados ponderados

28 ESTIMACION DE  ( o ) Mínimos cuadrados ponderados

29 ESTIMACION DE  ( o ) A través de R=R() o M=M()

30 ESTIMACION DE  ( o ) A través de R=R() o M=M()
Estimación del modelo de baja frecuencia por MCG (p.e. Cochrane-Orcutt) Derivación de  ( o ) a través de R=R() o M=M()

31 ESTIMACION DE  ( o ) Función R=R()

32 ESTIMACION DE  ( o ) Función M=M()

33 ESTIMACION DE y Estimador ELIO (BLUE)

34 ESTIMADOR ELIO DE y Estructura del filtro lineal

35 ESTIMADOR ELIO DE y Condición 1: insesgadez

36 ESTIMADOR ELIO DE y Función objetivo: varianza (traza)

37 ESTIMADOR ELIO DE y Programa

38 ESTIMADOR ELIO DE y Programa

39 ESTIMADOR ELIO DE y Solución

40 ESTUDIO DEL FILTRO L

41 FILTRO L: N=22, s=4 Dependencia de t=44 de los años T=1..22 0.5 -0.80
0.4 0.3 0.2 0.1 -0.1 -0.2 -0.3 -0.4 1 6 11 16 21

42 FILTRO L: N=22, s=4 Dependencia de t=44 de los años T=1..22 0.3 0.00
0.25 0.25 0.75 0.90 0.2 0.15 0.1 0.05 -0.05 -0.1 8 9 10 11 12 13 14

43 FILTRO L: N=22, s=4 Dependencia de t=44 y t=88 de los años T= Rho=0.80 0.3 0.25 t=44 t=88 0.2 0.15 0.1 0.05 -0.05 -0.1 1 6 11 16 21

44 FILTRO L: N=22, s=4 Dependencia de t=44 de los años T=1..22 0.25
Chow-Lin, rho=0.8 Fernández 0.2 Litterman, mu=0.7 0.15 0.1 0.05 -0.05 -0.1 7 8 9 10 11 12 13 14 15

45 FILTRO L: N=22, s=4 Dependencia de t=88, t=89 y t=90 de los años T= Rho=0.80 0.3 t=88 t=89 0.25 t=90 0.2 Extrapolación 0.15 0.1 0.05 -0.05 -0.1 19 20 21 22 23

46 FILTRO L: N=22, s=4 Dependencia de t=88 y t=100 de los años T= Rho=0.80 0.3 t=88 0.25 t=100 0.2 0.15 0.1 0.05 -0.05 Extrapolación -0.1 19 20 21 22 23

47 FILTRO L: N=22, s=4

48 FILTRO L: N=22, s=4 Dependencia de t=88 y t=100 de los años T=1..22
Litterman, mu=0.70 0.5 t=88 t=100 0.4 0.3 0.2 Extrapolación 0.1 -0.1 -0.2 -0.3 -0.4 19 20 21 22 23

49 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

50 ESTIMADOR ELIO DE y Derivación alternativa: Chow-Lin

51 ESTIMADOR ELIO DE y Derivación alternativa: Fernández

52 ESTIMADOR ELIO DE y Derivación alternativa: Litterman

53 ESTIMADOR ELIO DE y Derivación alternativa: Litterman

54 CHOW-LIN, FERNANDEZ O LITTERMAN: ¿CUAL ELEGIR?
Selección en función de criterios de información: AIC, BIC Selección en función de los valores de  y  Selección en función de los residuos u: tests de raíces unitarias, etc. A priori: en función del grado de suavidad deseado

55 CHOW-LIN, FERNANDEZ O LITTERMAN: ¿CUAL ELEGIR?
Secuencia: Chow-Lin  Fernández  1 Litterman  Fernández  0

56 ESQUEMA DE LA PRESENTACION
Modelo de alta frecuencia Agregación temporal Modelo de baja frecuencia Estimación Interpretación como función de pérdidas Extensiones del modelo

57 MODELO DE ALTA FRECUENCIA Generalización dinámica (1)

58 MODELO DE ALTA FRECUENCIA Generalización dinámica (2)

59 MODELO DE ALTA FRECUENCIA Generalización multiecuacional (4)

60 FORMULACION EN EL ESPACIO DE LOS ESTADOS

61 MODELO DE ALTA FRECUENCIA Chow-Lin (1971)

62 RESTRICCION TEMPORAL (Interpolación)

63 MODELO EN EL ESPACIO DE LOS ESTADOS Ecuación de transición (dinámica)

64 MODELO EN EL ESPACIO DE LOS ESTADOS Ecuación de observación (medida)

65 MODELO EN EL ESPACIO DE LOS ESTADOS