Adaptación del modelo x11arima a las series económicas del País Vasco

  1. Torres Manzanera, Emilio
Zuzendaria:
  1. María Teresa Isabel García del Valle Irala Zuzendaria

Defentsa unibertsitatea: Universidad del País Vasco - Euskal Herriko Unibertsitatea

Defentsa urtea: 1998

Epaimahaia:
  1. Roberto Escuder Vallés Presidentea
  2. José Alberto Martínez Arnáiz Idazkaria
  3. Arantza Mendizabal Gorostiaga Kidea
  4. Victoria Jiménez González Kidea
  5. Ana María Montiel Torres Kidea

Mota: Tesia

Teseo: 66941 DIALNET

Laburpena

Actualmente se dispone de una gran cantidad de indicadores económicos elaborados por centros públicos (Banco de España, Dirección de Economía y Planificación, Institutos de Estadística) o privados (grandes bancos nacionales, cajas de ahorro, empresas o asociaciones de empresarios) que permiten analizar la realidad económica del País Vasco con gran profundidad y rigor, Sin embargo, a la hora de estudiar y diseñar políticas económicas basándose en las predicciones de los indicadores económicos, se observa que estos datos brutos contienen oscilaciones o perturbaciones de escaso interés económico que pueden llevar a conclusiones incorrectas. Es decir, si deseamos realizar análisis de coyuntura económica, previamente se han de extraer aquellas componentes o señales que contengan la esencia económica del indicador analizado y que nos permitan determinar el momento de ciclo económico en el que la economía se encuentra, dejando a un lado los fenómenos irrelevantes o sistemáticos. Las principales señales que recogen la evolución global del indicador económico son la tendencia y la serie desestacionalizada. Estas señales muestran la evolución subyacente del suceso económico, ya que resaltan los factores esenciales que generan dicho fenómeno. Las oscilaciones que alteran este comportamiento de la evolución del indicador pueden considerarse básicamente como unas perturbaciones puramente aleatorias y de media cero, componente irregular, o bien como oscilaciones de periodicidad anual de media cero, componente estacional. Estas componentes son a priori desconocidas y se han de aproximar a partir de la serie original, por lo que se plantea el problema de cómo extraer dichas señales a partir de los datos originales. El método de extracción de señales más extendido es el método X11ARIMA, desarrollado por Dagum (1980, 1988) de Statistics Canada. Sin embargo, y a pesar de su amplia implantación y uti