Download Resumen - Encuentro de Economía Aplicada

V ENCUENTRO DE ECONOMIA APLICADA.
Oviedo, 6-7-8 de Junio de 2002.
Propuesta metodológica para el análisis de las relaciones y las
convergencias cíclicas.
Beatriz García-Carro Peña1.
Resumen
En este trabajo presentamos un estudio metodológico así como una aplicación
empírica del análisis de los ciclos económicos. En primer lugar, a nivel metodológico, el
objetivo principal es enumerar técnicas estadísticas alternativas que sirvan para caracterizar
los ciclos. Por este motivo, estudiamos no sólo las señales cíclicas sino que también
cuestionamos las fases expansivas y recesivas de sus evoluciones. El trabajo se articula en las
siguientes etapas: caracterización de los ciclos a través de una señal de crecimiento y
mediante el análisis de sus cronologías cíclicas o puntos de giro; análisis de la relación cíclica
entre indicadores, para lo cual tendremos en cuenta tanto el índice cíclico como las
correlaciones cruzadas entre las señales; clasificación dinámica de los ciclos; y por último,
análisis de la convergencia cíclica.
En segundo lugar, y a nivel empírico, aplicamos las técnicas estadísticas sobre los
índices de producción industrial de cinco países, mostrando evidencia empírica sobre las
sincronías y las convergencias cíclicas.
1
Departamento de Economía Aplicada II, Facultad de Ciencias Económica y Empresariales, Campus
de la Zapateira s/n15071, Universidad de A Coruña; tfno: 981167000 (2433); fax: 981167000; e-mail:
bgcarro@udc.es.
1
1.- INTRODUCCION.
Los ciclos económicos suelen definirse como fluctuaciones recurrentes pero no periódicas de
la actividad económica. La falta de periodicidad se manifiesta tanto en las duraciones como en
las amplitudes de sus movimientos. Sin embargo, uno de los hechos característicos del ciclo
económico es que sus fluctuaciones se presentan al mismo tiempo en distintos contextos
espaciales.
La simultaneidad espacial del ciclo económico es una característica que se puede analizar
tanto a nivel regional como en un contexto internacional. En cualquiera de los dos marcos, es
fácil observar como en los últimos quince años, se produce un aumento de la sincronía en la
evolución cíclica de las economías. Hay que señalar que en el contexto internacional, las
fuertes interrelaciones económicas entre los países, unido a los potentes mecanismos de
transmisión de las fluctuaciones, tienen como consecuencia que cualquier perturbación
económica en una parte del mundo occidental sea rápidamente trasmitida al resto de las
economías. Pero al margen de las economías integradas en el mercado mundial, donde se
aprecia con gran facilidad el proceso de globalización, también las economías aisladas se ven
afectadas en mayor o menor medida por el ciclo económico.
En ambas categorías, es interesante analizar qué causa el ciclo de una economía particular, a
pesar de que esta tarea resulta muy difícil de acometer. El problema principal radica en la
diversidad de las perturbaciones que generan el ciclo de una economía; en concreto, los ciclos
estatales son una combinación de los efectos de perturbaciones específicas o propias de esa
economía y perturbaciones de carácter internacional. Además, las actuales tendencias hacia la
globalización e integración económica hacen que cada vez resulte más difícil diferenciar las
causas del ciclo.
En cualquier caso, el punto de partida para realizar un estudio sobre las causalidades de los
ciclos, consiste en medir y cuantificar, de la manera más clara posible, el ciclo económico, y
precisamente, esta es una de las líneas de trabajo que en los últimos años ha vertido más
literatura, véase por ejemplo: Dolado y otros (1993), Backus y otros (1993), Christodoulakis y
otros (1995). Las aplicaciones empíricas de estos trabajos, en un contexto internacional, se
centran fundamentalmente en los siguientes objetivos: en primer lugar, analizar las similitudes
cíclicas entre los distintos países; en segundo lugar, estudiar las sincronías cíclicas que existen
entre dichas evoluciones; y por último, determinar cuáles son los mecanismos de transmisión
2
de las fluctuaciones con objeto de encontrar un modelo teórico del ciclo económico capaz de
replicar estos movimientos.
Numerosos trabajos incluidos en esta disciplina, se orientan hacia la búsqueda de un ciclo de
referencia, entendiendo por este concepto, ciclos a través de los cuales se puede analizar la
economía de un país. Las propuestas metodológicas para obtener los ciclos de referencia se
concretizan generalmente en dos alternativas: la primera utiliza el componente cíclico de una
serie individual para representar la evolución de la economía objeto de análisis; y la segunda,
elabora un indicador sintético en función del comportamiento cíclico de una gran variedad de
indicadores económicos.
En ambos enfoques, el objetivo se orienta hacia una clara finalidad y necesidad del análisis
económico, que consiste en identificar el ciclo. En concreto, este trabajo se incluye dentro del
primer arquetipo, pues al igual que hicieron Artis y Zhang (1995), Lumsdaine y Prasad (1997)
utilizamos el índice de producción industrial mensual desde 1965 hasta 2001 para caracterizar
los ciclos nacionales. Somos conscientes que trabajar solamente con una variable para
representar la evolución de la actividad económica de un país, puede parecer una visión un
poco simplista. Sin embargo, el propósito de este estudio, no se centra en estimar los ciclos
económicos, sino que nuestro principal objetivo es mostrar evidencia empírica, a través de
distintas propuestas metodológicas, de las relaciones que existen en la evolución de los
patrones cíclicos de producción industrial de distintos países.
Siguiendo la metodología más utiliza en la literatura económica, se suelen describir las
características de los ciclos mediante un conjunto de estadísticos descriptivos. Posteriormente,
se analizan las similitudes y las sincronías entre los ciclos a través de las funciones de
correlación cruzada. Nuestro trabajo consiste en aportar evidencia empírica utilizando además
de esta metodología tradicional una propuesta metodológica alternativa. Este procedimiento
se centra en caracterizar los ciclos a través de sus fases de expansión y recesión, entendiendo
por tales, los períodos de crecimiento acelerado o desacelerado respectivamente. Las fases del
ciclo vendrán determinadas por los momentos concretos en los que la actividad económica
cambia de signo, momentos que se denominan puntos de giro y que han generado numerosa
literatura estadística; véase por ejemplo: Lahiri y Moore (1991), Niemira y Klein (1994). Una
vez caracterizados los ciclos, se comparan las evoluciones cíclicas examinando las duraciones
y las amplitudes de las distintas fases.
3
Para alcanzar estos objetivos, lo primero que tenemos que obtener es el componente cíclico de
las series económicas, y a ello dedicamos el siguiente epígrafe. La metodología estadística
necesaria para realizar este trabajo será descrita en la tercera parte. El análisis empírico se
realiza en el epígrafe cuatro, en el cual, estableceremos las similitudes entre los ciclos, sus
simetrías y sus convergencias. En el último epígrafe, expondremos a modo de resumen las
principales conclusiones basadas en la evidencia empírica.
2.- EL CONCEPTO DE CICLO ECONÓMICO.
En los últimos años, la medición del ciclo económico se ha vuelto una necesidad para todos
los economistas en general y, en particular, para aquellos agentes e instituciones encargados
de realizar la política e investigación macroeconómica. Este interés creciente sobre el tema de
los ciclos económicos, ha llegado al punto de que un objetivo importante del análisis de la
coyuntura económica, está centrado en el seguimiento y la previsión de estas fluctuaciones
cíclicas. Pero para poder alcanzar este objetivo, fue necesario el desarrollo de métodos
estadísticos cuantitativos, a través de los cuales poder obtener estimaciones fiables de la
evolución cíclica de la economía. En cualquier caso, todos estos avances, unidos a la atención
que han despertado los ciclos, no deben hacernos olvidar la falta de consenso tanto en la
definición del ciclo, como en la forma de medirlo.
Para algunos autores, el método adecuado para estimar el ciclo de una serie temporal, consiste
en obtener el ritmo de avance de una señal de crecimiento, como puede verse en Melis (1991).
En la literatura económica esta forma de proceder se conoce como ciclo de crecimiento. Para
otros autores, la definición del ciclo lleva implícito el concepto de ciclo como desviaciones.
Siguiendo esta idea, para estimar el ciclo debemos extraer de una serie su evolución a largo
plazo y calcular posteriormente las desviaciones de la serie respecto a su evolución
subyacente, véase por ejemplo: Gómez (1998), Kaiser y Maravall (1999).
Si bien es cierto que el ciclo en niveles es muy utilizado en la literatura específica, y a ello ha
contribuido la cuantiosa aplicación del filtro de Hodrick y Prescott, en los momentos actuales,
parece más aconsejable utilizar el ciclo de crecimiento. En este trabajo elegimos el concepto
de ciclo de crecimiento y, por tanto, entendemos el ciclo como una pauta recurrente, pero no
periódica, de fases de crecimiento acelerado seguido de fases de crecimiento desacelerado e
4
incluso negativo. Dichas fases vienen determinadas por los momentos concretos en los que la
evolución cambia el sentido de su ritmo de crecimiento.
El problema de estimar el componente cíclico de una serie temporal, se puede resumir, de
forma sencilla, como un problema de filtrado. En otras palabras, la extracción de una señal
cíclica consiste en buscar un filtro adecuado, que transforme la serie original en una señal de
crecimiento. Pero para ello existen una gran variedad de procedimientos, como puede verse en
Canova (1998). Esta diversidad de métodos ha creado a nuestro entender una cierta confusión,
y así lo pone también de manifiesto el artículo de Gómez (2000). En la mayoría de los
trabajos que utilizan distintas metodologías para obtener la señal cíclica, se justifica esta
actuación diciendo que el ciclo económico puede no ser robusto al método de extracción
utilizado. Nuestro trabajo no se ve afectado por esta pluralidad, pues renunciamos a la
utilización de distintos procedimientos de filtrado. Por el contrario, consideramos más
adecuado utilizar distintas alternativas metodológicas para estudiar las similitudes y
sincronías cíclicas.
La extracción de señales en series temporales económicas constituye un área de intensa
investigación, en la que coexisten aproximaciones y planteamientos diversos. Pero en
cualquier caso, el punto de partida común es la llamada “hipótesis de los componentes
subyacentes” HCS, que establece que una serie temporal observada (Yt), puede ser expresada
como agregación de cuatro componentes inobservables: tendencia (Tt), ciclo (Ct),
estacionalidad (St) e irregularidad (It).
Yt  Tt  Ct  S t  I t
Cada uno de estos componentes corresponden a distintos tipos de movimientos, y el problema
es cómo estimar dichos componentes. En general, se puede decir que estimar los componentes
implica definir filtros que transformen la serie observada en una estimación de sus
componentes. De esta forma la serie filtrada refleja características de la serie de partida no tal
y como aparecen en ella sino distorsionadas, es decir amplificadas o atenuadas por la acción
del filtro y adelantadas o retrasadas. Todo ello se estudia de forma sencilla en el dominio de
las frecuencias, a través de las correspondientes funciones de ganancia y desfase.
Basándonos en el método frecuencialista de extracción de señales, estimaremos el
componente cíclico suavizando la tasa interanual con un filtro de paso bajo diseñado a medida
5
para este objetivo. En este contexto, los trabajos de F. Melis (1991), desarrollan el filtro
autorregresivo de orden dos y potencia mitad en veinte meses, AR2(20), como suavización de
la volatilidad que presentan las series de crecimientos con frecuencia mensual, y Cristóbal y
Quilis (1994) estudiaron la adaptación de este filtro suavizador a las series trimestrales.
Trabajos posteriores de Abad y Quilis (1996) desarrollan filtros suavizadores mensuales de
orden superior, AR5(20), con objeto de obtener señales cíclicas más robustas a pesar de tener
un coste informativo mayor. Dejando al margen detalles técnicos, en este trabajo decidimos
utilizar un filtro autorregresivo de orden 5 con potencia mitad en veinte meses, para hacer
operativa la suavización de la tasa interanual. Por consiguiente, la señal cíclica se estima de
acuerdo con la siguiente expresión:
Ct 
b0
( 1  B12 )F 8 ln X t
1  a1 B  a2 B  a3 B 3  a4 B 4  a5 B 5
2
Siendo: b0  0.0018
a1  3.9923
a2  6.4582
a3  5.2806
a4  2.1793
a5  0.3627
Entre las características de este filtro, debemos enumerar las siguientes: tiene su banda de
paso para las oscilaciones de período entre 96 y 17.45 meses; su máxima potencia la alcanza
en 28 meses, acentuando oscilaciones comprendidas entre 72 y 18.5. Por otro lado, el desfase
medio del filtro autorregresivo en la banda cíclica (60, 20) es de ocho meses, por este motivo
es necesario adelantar la entrada de la serie y así obtener señales cíclicas en fase con la tasa
interanual.
Para concluir, podemos exponen las ventajas que la tasa interanual suavizada tiene para
estimar una señal robusta de crecimiento:
-
Fácil cálculo, pues evita estimar el proceso generador de los datos. De esta forma se
reduce el coste temporal y se consigue una simplificación computacional, vital cuando se
trabaja con un gran número de series.
-
La aplicación en cascada de los filtros T(1,12) y AR5(20) supone en una primera etapa
eliminar simultáneamente la tendencia pura, la estacionalidad y la irregularidad, al mismo
6
tiempo que se acentúa la banda cíclica; en una segunda etapa aplicando el filtro
autorregresivo se elimina la irregularidad restante, es decir, los lóbulos laterales que no se
eliminaron con la tasa interanual, obteniendo así una señal robusta del crecimiento. Todo
ello se consigue con un reducido coste informativo pues solo perdemos solo perdemos 20
observaciones al principio de la muestra y ocho al final.
-
Esta señal tiene un significado económico en si misma, ya que se están calculando las
tasas de crecimiento de las variables.
-
Y, por último, la duración del ciclo se ajusta perfectamente al concepto de ciclo
económico que manifestaron Burns y Mitchell (1946), Moore y Zarnowitz (1986), Baxter
y King (1995), Diebold y Rudebusch (1999).
3.- METODOLOGÍA ESTADÍSTICA.
3.1 Caracterización de los ciclos.
La metodología utilizada en la mayoría de los trabajos realizados en este campo para estudiar
las características de los ciclos, se basa en el análisis de un conjunto de estadísticos
descriptivos. Por ejemplo: la desviación estándar nos indica la volatilidad del ciclo, el
coeficiente de autocorrelación de primer orden nos informa sobre el grado de persistencia
cíclica, etc. Nosotros proponemos que al mismo tiempo, esta metodología sea
alternativamente contrastada con una caracterización de los ciclos en función de sus fases, es
decir, mediante el análisis de su cronología cíclica. Posteriormente, y a través de ella se
calculan y analizan las duraciones y amplitudes de las fases de aceleración y desaceleración
de los ciclos.
Pero para determinar la cronología cíclica es necesario elaborar previamente el fechado de la
señal. El cual consiste en determinar los puntos de giro, es decir, los momentos o fechas
concretas en las que se produce un cambio de fase en la señal cíclica. Sin embargo, no todos
los máximos y mínimos de la señal (valores de tangente nula) responden a la idea de cambios
en la fase del ciclo. Esto es debido a que los filtros utilizados para extraer esta señal no tienen
en algunas ocasiones potencia suficiente para eliminar toda la volatilidad de la serie,
permitiendo que estas señales posean ciclos espurios, es decir, pequeños ciclos inscritos en
una clara trayectoria de aceleración o desaceleración. Para eliminar estos ciclos espurios, y
por otro lado, para garantizar ciclos de una duración adecuada es necesario que la distancia
entre dos puntos de giro del mismo signo (duración de los ciclo) sea superior a 15 meses, y al
7
mismo tiempo que la distancia entre dos puntos de giro de distinto signo (duración de las
fases) sea superior a 5 meses.
En concreto, para hacer operativo este proceso hemos utilizado el programa <F> de fechado
automático de las señales cíclicas, diseñado por Abad y Quilis (1996, 1997). En función de
los fechados que nos proporciona este programa realizamos un estudio de las cronologías
cíclicas de los distintos países, poniendo de manifiesto las similitudes o diferencias que
existen entre ellos.
3.2 Estudio de la relación cíclica entre indicadores.
En cualquier análisis cíclico, es necesario determinar la existencia de relación entre las
señales cíclicas de los indicadores. De esta forma, determinaremos si sus comportamientos
son acíclicos o si por el contrario existe relación cíclica entre ellos, en cuyo caso es necesario
determinar si esta relación es procíclica o contracíclica con respecto a la señal de referencia.
El objeto principal al estudiar las relaciones cíclicas es analizar los comovimientos o
sincronías entre los ciclos, y para ello proponemos utilizar dos enfoques alternativos:
a) El primero se basa en los coeficientes de correlación cruzados para una estructura
de treinta y seis retardos. Este procedimiento nos permite evaluar el carácter
cíclico y el carácter temporal con el que una señal se relaciona con la de referencia.
En este sentido, si el máximo valor de este coeficiente tiene signo positivo,
diremos que la variable es procíclica (será contracíclica si tiene signo negativo). Su
carácter cíclico será fuerte o débil si el valor absoluto de esta magnitud pertenece a
(0.5, 1) ó (0.2, 0.5) respectivamente. Por otra parte, si el valor de esta magnitud es
menor que 0.2 consideramos la variable acíclica.
b) El segundo consiste en utilizar el índice cíclico. Este índice nos proporciona una
medida de la conformidad cíclica global entre las fases de un indicador con
respecto a otro de referencia. La forma operativa de obtenerlo es calculando los
crecimientos absolutos respecto al mes anterior de la señal cíclica tanto del
indicador de referencia como del indicador que tratamos de clasificar (valores que
denotamos como Ai y Bi respectivamente), asignando a estos valores 1, -1, ó 0,
cuando sean positivos, negativos o nulos. Finalmente, obtenemos el índice cíclico
como:
8
n -1
índice cíclico 
 (valor asignado a A
i 1
i
* valor asignado a Bi )
n -1
El índice tomará valores entre [-1,1], sugiriendo en el caso de tomar valor 1 que el
indicador es totalmente procíclico respecto al de referencia, pues sus aceleraciones
y desaceleraciones evolucionan en sincronía. Por el contrario, si el índice toma el
valor –1 se produce una relación inversa entre las fases, que caracteriza a un
indicador contracíclico. Y por último, definimos un indicador acíclico como aquel
que tiene poca coincidencia entre sus fases y las del indicador de referencia, esto
ocurre cuando el índice toma un valor más bajo a 0.2 (en valor absoluto), lo que
significa que coinciden menos del 60% de las fases.
Hay que señalar que a pesar de las grandes cualidades interpretativas que tiene el coeficiente
de correlación, no se puede considerar este coeficiente como una medida exacta, ya que dicho
estadístico, depende de la volatilidad del ciclo. Teniendo en cuenta sus limitaciones, parece
aconsejable utilizar otro criterio complementario al basado en el coeficiente de correlación,
para obtener información sobre los comovimientos y las clasificaciones de los ciclos. Nuestra
propuesta a este respecto, será calcular el índice cíclico, y sugerir que no existe evidencia
empírica sobre las sincronías de los ciclos si coexisten divergencias en la utilización de los
dos criterios.
3.3 Clasificación dinámica de las señales cíclicas.
Conviene analizar si los ciclos evolucionan en sincronía o asincronía. Lo que nos lleva a
clasificar los ciclos como adelantados, retrasados o coincidentes respecto a un ciclo de
referencia. Para ello proponemos la utilización de tres procedimientos complementarios:
a) En primer lugar, teniendo en cuenta toda la señal cíclica, se analiza el retardo en el
que se produce el máximo coeficiente de correlación. De esta forma obtenemos
información sobre el tipo de relación que existe entre los ciclos, es decir, si la
relación es adelantada (retardo negativo), coincidente (retardo nulo), o retrasada
(retardo positivo).
b) En segundo lugar, en función de las fases de los ciclos, se estudia si las
aceleraciones y desaceleraciones de las señales se producen con cierta
9
concordancia temporal. Para ello, utilizamos el índice cíclico calculado para una
estructura de retardos temporales, el cual también nos proporciona información
sobre el tipo de relación que existe entre las fases (adelantada, coincidente,
retrasada).
c) En tercer lugar, a partir de los puntos de giro de las señales cíclicas, se analiza si
existen relaciones temporales entre ellos. Es decir, si denotamos por Y la señal de
referencia y por X la señal a clasificar, establecemos las siguientes
correspondencias: asignamos a cada punto de giro de Y el punto de giro del mismo
signo más cercano de X, asignamos a cada punto de giro de X el punto de giro del
mismo signo más cercano de Y, y por último, detectamos las relaciones dobles o
biunívocas.
Consideramos una señal como clasificable, si al menos el 70% de los puntos de
giro de ambas señales tienen relaciones dobles. En este caso, estudiamos el desfase
mediano general (DMG) de los puntos de giro con relaciones dobles de la señal a
clasificar y establecemos las siguientes clasificaciones:

Si el DMG es negativo y superior en valor absoluto a tres meses, la señal
es adelantada respecto al ciclo de referencia.

Si el DMG es positivo y superior a tres meses, la señal es retrasada respecto
al ciclo de referencia.

Si está comprendido entre [-3 , 3] la señal es coincidente respecto al ciclo
de referencia.
En concreto, el programa <G> de clasificación dinámica diseñado por Abad y
Quilis (1996) sigue estos criterios, pero en algunas ocasiones si comparamos la
clasificación realizada por este programa con una clasificación manual de la serie
existen ciertas discrepancias, por lo que hemos de ser cautos con su utilización.
3.4 Convergencia cíclica.
Una vez caracterizados los ciclos y analizadas sus similitudes y sus sincronías, pasaremos a
estudiar la convergencia cíclica. El concepto de convergencia se asocia generalmente con la
teoría del crecimiento económico, véase por ejemplo: Baro y Sala-i-Martín (1992), aunque
también se puede aplicar al estudio de los ciclos. En este contexto, lo que tratamos de
10
determinar es si se produce un aumento de la sincronía cíclica a lo largo del tiempo. La
justificación de este análisis se debe a que en numerosas aplicaciones empírica, los resultados
obtenidos para un período determinado pueden ocultar grandes diferencias en el
comportamiento cíclico para distintos subperíodos de la muestra. Por este motivo es
aconsejable calcular las correlaciones contemporáneas para un período temporal fijo, pero que
se va desplazando a lo largo de la muestra. De esta forma, evitamos tomar la decisión de
cómo dividir el período muestral, además de obtener una visión más completa de cómo
evolucionan en el tiempo estos estadísticos. Siguiendo el criterio más comúnmente utilizado,
tomamos un período fijo lo suficientemente amplio para dar estabilidad a los estadísticos
calculados. Al igual que Blackbure y Ravn (1992) usamos una ventana temporal fija de cinco
años.
4.- APLICACIÓN EMPÍRICA.
En este trabajo utilizamos las series mensuales de los índices de producción industrial
desestacionalizados relativos a cinco países: España, Alemania, Francia, Estados Unidos y
Japón. La fuente estadística de la cual obtuvimos estos datos fue la OCDE y el período
analizado comienza en enero de 1965 y termina en agosto del año 2001.
Como sabemos el índice de producción industrial es un indicador de coyuntura cuyo objetivo
es medir la evolución del volumen de producción generado por las actividades industriales.
Por tanto, mide la evolución experimentada por el valor añadido bruto al coste de los factores
de la industria en un momento concreto, y con respecto a un periodo base. Pero además, el
índice de producción industrial es una herramienta analítica frecuentemente utilizada para la
observación y el análisis de la coyuntura económica, pues su utilidad trasciende del sector
industrial y se emplea como indicador general de la actividad económica.
Los principales resultados de los comportamientos cíclicos de cada uno de los países
estudiados se recogen en el cuadro 1, donde se muestra una medida tanto de la volatilidad
absoluta (la desviación estándar) del componente cíclico de cada serie, como una medida de la
volatilidad relativa respecto al ciclo español, aproximada mediante el cociente entre la
volatilidad estándar del ciclo de cada país y la desviación estándar de nuestro ciclo. También
figura una medida de la persistencia cíclica, estimada a través del coeficiente de
autocorrelación de primer orden; así como el valor máximo y mínimo de la tasa de
crecimiento de la producción industrial.
11
En función de estos estadísticos, es preciso señalar un hecho claramente diferenciador en
cuanto a la volatilidad de los ciclos analizados. Nos referimos a la máxima volatilidad que
presenta el ciclo de Japón, particularidad que destaca, pues el resto de los ciclos se
caracterizan por mantener una volatilidad semejante. A pesar de estas semejanzas, se observa
que todos los ciclos, excepto el japonés, tienen una volatilidad relativa respecto al ciclo
español menor que uno, lo que implica que analizamos ciclos menos volátiles que el español.
Por otro lado, los ciclos de la producción industrial están, en general, fuertemente
autocorrelacionados de forma positiva, lo que se interpreta como una alta persistencia de las
fluctuaciones cíclicas para todo el período analizado.
Una forma alternativa de establecer similitudes entre los ciclos, se realiza a través de un
análisis de sus puntos de giro, en función de los cuales obtenemos las fases de aceleración y
desaceleración. En el cuadro 2 figura un resumen de las principales características de las
cronologías cíclicas de los cinco países. En el se muestra el número de períodos en que cada
ciclo se encuentra en fases de aceleración y en fases de desaceleración. Al mismo tiempo,
hemos reflejado las duraciones, amplitudes e intensidades medianas de ambas fases.
Entendemos por duración el número de meses que transcurren entre dos puntos de giro de
signo contrario; por amplitud, la diferencia en valor absoluto del valor de la tasa interanual
suavizada en un punto de giro y el inmediatamente anterior de signo contrario; y, por
intensidad, una medida de la fuerza con que se produce cada fase, pues se calcula como el
cociente entre la amplitud y la duración. Analizando este cuadro, se observa que todos los
países presentan aproximadamente el mismo número de puntos de giro, y se caracterizan por
tener una gran similitud en cuanto a las duraciones de las fases de aceleración y
desaceleración que en término mediano se sitúan en torno a los 16 meses cada uno de ellos.
Esto implica que trabajamos con unos ciclos completos de aproximadamente 3 años. Por otro
lado, un análisis más en detalle de las intensidades de los ciclos nos indica que tanto para
España, Alemania y Francia se produce una pérdida de la señal cíclica durante los años 80, lo
que conlleva ciclos más cortos y de menor amplitud. Pero a partir de mediados de los años 90
esta señal vuelve a ser nítida. Por el contrario, este hecho no le ocurre a Japón que no presenta
en ninguna etapa del periodo muestral analizado perdida de señal. En un lugar intermedio se
encuentra Estados Unidos que presenta ciclos muy pronunciados hasta el año 85 y una
pérdida de intensidad en su señal a partir de ese momento.
12
Dado que la cuestión de fondo que motiva este trabajo es estudiar la relación del ciclo español
con el de otros países, comenzamos esta exploración con el cálculo de la matriz de
correlaciones entre los países estudiados. Como se puede observar en el cuadro 3 existe una
fuerte relación cíclica entre los países europeos. Pero además se produce también una fuerte
relación de Japón con todos ellos. Por el contrario, el ciclo americano presenta débil relación
con el resto de los países. En lo relativo al ciclo industrial de nuestro país, se obtiene la
máxima correlación con Francia, existiendo también fuerte relación con Alemania y Japón.
Para profundizar en el análisis de las relaciones cíclicas, calculamos también los coeficientes
de correlación cruzados para una estructura de 36 retardos. En el cuadro 4 mostramos para
cada país la correlación máxima obtenida con respecto a los ciclos de los restantes países y el
desfase en el que se obtiene dicha correlación máxima. Esto no permite analizar el signo
(procíclica o contracíclica), la intensidad (fuerte o débil) y el desfase (adelantada, coincidente
o retrasada) de la relación cíclica.
A través de este cuadro, mostramos más evidencia sobre la fuerte relación del ciclo español
con sus homónimos europeos y con Japón, así como la débil relación con Estados Unidos. La
sincronía es completa con Francia, Alemania y Japón, mientras que Estados Unidos parecen ir
adelantada respecto a la evolución cíclica de la economía española. Sin embargo, estos
resultados deben ser contrastados mediante la utilización de otros estadísticos, por ello, en el
cuadro 5 presentamos el máximo valor del índice cíclico, calculado para los distintos países
con respecto al ciclo español. En base a esta información podemos corroborar la fuerte
relación cíclica sincronizada en el tiempo de España con respecto a Francia y Alemania, así
como el retardo en la evolución de España respecto a Estados Unidos, en cuanto a la relación
con Japón se muestra el carácter acíclico entre dichas evoluciones, y por tanto divergencia con
el criterio anterior. Por otro lado, uno de los hechos que merece una mención especial en
cuanto a las relaciones cíclicas estudiadas, es el que se refiere al adelanto de dos meses entre
el ciclo de la producción industrial americana y los ciclos de todos los países analizados, si
bien es cierto que existe una débil relación entre todos ellos.
Por último, debemos mencionar que realizando una clasificación de las señales cíclicas en
función de sus puntos de giro, obtenemos una sincronía en la evolución cíclica de todos los
países con respecto a España. Este resultado contradice la relación adelantada del ciclo
13
americano encontrada mediante la utilización de los dos procedimientos anteriores. De esta
forma, podemos concluir que existe cierta ambigüedad sobre su resultado.
A continuación analizaremos la estabilidad y la convergencia en la relación cíclica de España
respecto al resto de los países, a través de los coeficientes de correlación, calculados para
periodos temporales de cinco años. En función de ellos, decimos que existe estabilidad cíclica
si para todo el periodo muestral prevalece el tipo de relación; más concretamente, aunque
dichas correlaciones varíen cuantitativamente, no deben hacerlo cualitativamente, es decir,
deben mantener el signo de su relación. Al mismo tiempo, decimos que existe convergencia
cíclica si dicho coeficiente aumenta a lo largo del tiempo.
Con respecto a España estamos interesados en comprobar si se está produciendo un proceso
de integración económica con respecto a países como Estados Unidos y Japón y por otro lado
si el proceso de integración de la economía española en la Unión Europea desde 1986 ha
producido un aumento de la sincronía cíclica.
En el grafico 1 mostramos las correlaciones móviles entre distintos países. Se observa que la
sincronía cíclica que España tuvo con el conjunto de países analizado durante los años 70, se
pierde a principios de los 80. Esta debilitación en la relación cíclica ocurre con respecto a
todos los países analizados siendo menos importante con respecto a Francia único país con el
que existe estabilidad cíclica. Pero a mediados de los años 80 se reconstruye la relación de
España con Alemania y Francia, existiendo una convergencia cíclica partir del año 1986 que
nos lleva a fuertes sincronías con estos dos países. Por lo que se refiere a la relación con
Japón y Estados Unidos también se debilita a principios de los años 80; y el proceso de
convergencia cíclica de España con Alemania y Francia no se observa con respecto a Japón y
a Estados Unidos.
5.- PRINCIPALES CONCLUSIONES.
Examinando el componente cíclico de la producción industrial española con respecto al de
Francia y Alemania durante el periodo 1965-2001 hemos mostrado evidencia empírica sobre
tres hechos:
-
Existe una gran semejanza en las evoluciones cíclicas, analizada tanto a través de las
cronologías como a través de las señales cíclicas. Presentando ambos ciclos
aproximadamente el mismo número de fases de aceleración y desaceleración así como
14
una volatilidad similar. Durante los años 80 las señales cíclicas se observaron con
menor nitidez, pues los ciclos se caracterizaron por ser más cortos y de menor
amplitud que los presentados durante los años setenta y noventa.
-
Existe una fuerte relación sincronizada en el tiempo del ciclo español con sus
homónimos europeos.
-
Se observa una alta sincronía cíclica durante los años 70 que se pierde a principios de
los 80, pero a partir de 1986 esta relación se reconstruye y se observa una además una
convergencia cíclica.
Con respecto al análisis de Japón y Estados Unidos, merece la pena destacar las siguientes
conclusiones:
-
El ciclo japonés es el que presenta mayor volatilidad y en consecuencia la señal cíclica
mas firme. Sin embargo no se puede demostrar la existencia de relación cíclica con
nuestro país.
-
No existe evidencia empírica contundente, sobre la fuerte relación retrasada en la
evolución del ciclo industrial español respecto al americano. Asimismo, no se muestra
una convergencia cíclica a partir del año 1986.
6.-BIBLIOGRAFIA.
-
Abad, A. y Quilis, E. M. (1996): “<F> y <G>: dos programas para el análisis cíclico.
Aplicación a los agregados monetarios”, Boletín Trimestral de Coyuntura, n. 62, p. 63103.
-
Abad, A. y Quilis, E. M. (1997): “Programas de análisis cíclico: <F>, <G> y <FDESC>.
Manual del usuario”, Instituto Nacional de Estadística, Documento Interno.
-
Artis, M. J. y Zhang, W. (1995): “International business cycles and de ERM : Is there a
European business cycle ?”, European University Institute, W. P. ECO, n. 95/34.
-
Backus, D. K., Kehoe, P. J. y Kydland, F. E. (1993): “International business cycles:
Theory and evidence” en Thomas F. Cooley (ed.), Frontiers of Business Cycles Research.
Princeton University Press.
-
Baro, R. y Sala-i-Martín, X. (1992): “Convergence”, Journal of Political Economy, n. 100,
p. 223-251.
-
Baxter, M. y King, R. G. (1995): “Measuring business cycles: Approximate band-pass
filters for economic time series”, NBER Working Paper, n. 5022.
15
-
Blackburn, K y Ravn, M. O. (1992): “Business cycles in de United Kingdom: Facts and
fictions”, Economica n. 59, p. 383-401.
-
Burns, A. F. y Mitchell, W. C. (1946): Measuring Business Cycles, NBER, Columbia
University Press, Nueva York.
-
Canova, F. (1998): “Detrending and business cycle facts”, Journal of Monetary
Economics, n. 41, p. 475-512.
-
Cristóbal, A. y Quilis, E. M. (1994): “Tasas de variación, filtros y análisis de coyuntura”.
Instituto Nacional de Estadística, Boletín Trimestral de Coyuntura, n. 52, p. 92-123.
-
Christodoulakis, N., Dimelis, S. P. y Kollintzas, T. (1995): “Comparisons of business
cycles in the EC: Idiosyncrasies and regularities”, Economica, n.62, p.1-27.
-
Diebold, F. X. y Rudebusch, G. D. (1999): Business cycles: durations, dynamics, and
forecasting, Princeton University Press, Princeton, New Jersey, Estados Unidos.
-
Dolado
J. J., Sebastián, M. y Vallés, J. (1993): “Cyclical patterns of the Spanish
economy”, Investigaciones Económicas, v. XVII (3), p. 445-473.
-
Gómez, V. (1998): “Butterworth filters: a new perspective”, Ministerio de Economía y
Hacienda, Documento de Trabajo D-98008.
-
Gómez, V. (2000): “Estimación del componente cíclico de las series económicas con
filtros pasabanda: una aplicación a los indicadores de clima e índices de producción
industrial”, Investigaciones Económicas, v. XXIV (2), p. 473-485.
-
Kaiser y Maravall (1999): “Short-term and long-term trend, seasonal adjustment, and the
business cycle”, Banco de España, Documento de Trabajo n. 9918.
-
Lahiri, K. y Moore, G. H. (1991): Leading economic indicators: new approaches and
forecasting records, Cambridge University Press, Nueva York.
-
Lumsdaine, R. L. y Prasad, E. S. (1997): “Identifying the common component in
internacional economic fluctuations”, NBER Working Paper 5984.
-
Melis, F. (1991): “La estimación del ritmo de variación en series económicas”, Estadística
Española, n. 126, p. 7-56.
-
Moore, G. H. y Zarnowitz, V. (1986): “The Development and role of the Nacional Bureau
of Economic Research’s cycle chronologies”, en Robert Gordon (ed.), The American
Business Cycle. University of Chicago Press.
-
Niemira, M. P. y Klein, P. A. (1994): Forecasting financial and economics cycles, John
Wiley and Sons, Nueva York.
16
Cuadro 1: Características cíclica.
SD
Alemania 4.458
España
4.493
Francia 4.062
Japón
7.155
E.E.U.U. 4.302
SDR
0.991
1
0.903
1.591
0.957
PER
0.990
0.991
0.985
0.988
0.989
Max
14.38
17.68
19.28
19.61
12.24
Min
-9.67
-8.23
-1.12
-15.89
-10.81
SD: Desviación estándar; SDR: Desviación estándar respecto a España; PER: coeficiente
de autocorrelación de primer orden; Max: valor máximo; Min: valor mínimo.
Cuadro2: Resumen de las cronologías cíclicas del IPI agregado y desagregado.
Fase de Aceleración
Fase de Desaceleración
Núm. Duración Amplitud Intensidad Núm. Duración Amplitud Intensidad
Alemania 12
16
6.94
0.39
11
15
6.93
0.45
Francia
12
15.5
6.11
0.31
11
15
5.98
0.43
Japón
12
15
8.94
0.49
12
18
9.53
0.52
EEUU
13
15
4.71
0.36
12
17
6.32
0.27
España
12
16
3.81
0.28
11
16
6.62
0.41
Cuadro 3: Coeficientes de correlación contemporánea
Alemania España Francia
Alemania
1
0.580 0.754
España
1
0.816
Francia
1
Japón
E.E.U.U.
Japón E.E.U.U.
0.567 0.390
0.561 0.466
0.614 0.485
1
0.436
1
Cuadro 4: Máximos coeficientes de correlación cruzados
Alemania (t)
España (t)
Francia (t)
Japón (t)
España (t±i) Francia (t±i) Japón (t±i) E.E.U.U. (t±i)
0.580 (0) 0.761 (+2) 0.580 (-2) 0.417 (-2)
0.816(0) 0.561 (0) 0.474 (-2)
0.618 (-1) 0.608 (-2)
0.459 (-2)
Cuadro 5: Máximo valor del índice cíclico respecto a España y retardo
Alemania (t±i)
Francia (t±i)
Japón (t±i)
E.E.U.U. (t±i)
Valor Retardo
0.3561
0
0.4175
0
0.0835
+5
0.2506
-2
17
72
-0,6
93
0
86
0
93
0,6
86
0,6
79
1,2
72
1,2
79
Gráfico 1: Correlaciones móviles entre países
-0,6
0
72
0
93
0,5
86
0,5
79
1
72
1
-0,5
España - Japón
-0,5
-1
-1
Usa - Alemania
Usa - Francia
Usa - Japón
18
Alemania - Francia
93
España - Usa
86
España - Francia
79
España - Alemania