A34-Aplicación del Filtro de Hodrick Prescott [Tarea Grupal]
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA DE ECONOMÍA
TEMA:
Aplicación del Filtro de Hodrick Prescott
Asignatura: Econometría
Docente: Carlos Ademir Perez Alas
Integrantes:
Ortega Gómez, Johana Isabel - OG21015
Sanchez Dominguez, Victor René SD21005
Suriano Cerón, Graciela Mercedes - SC18003
Grupo: GT02
Indicaciones
• Aplique el filtro HP para cada uno de los países de Centroamérica, para los periodos disponibles para cada país • Represente sus resultados de forma gráfica: 1. Usando la versión personalizada y 2. usando la representación rápida. En todos los gráficos indique el país y el periodo al que corresponden los datos. *nota (ordenados por orden presentado en la base de datos).
1 PARTE: Versión personalizada
Costa Rica
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`Costa Rica` <- as.numeric(PIB_trimestral$`Costa Rica`)
CR <- ts(PIB_trimestral$`Costa Rica`, start = c(1991, 1), frequency = 4)
CR <- CR[is.finite(CR)]
# Aplica el filtro de Hodrick-Prescott
hp_result_CostaRica <- hpfilter(CR, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_CostaRica$trend
cycle <- hp_result_CostaRica$cycle
# Visualiza los resultados
plot(CR, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("Costa Rica", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
El Salvador
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`El Salvador` <- as.numeric(PIB_trimestral$`El Salvador`)
ESA <- ts(PIB_trimestral$`El Salvador`, start = c(1990, 1), frequency = 4)
ESA <- ESA[is.finite(ESA)]
# Aplica el filtro de Hodrick-Prescott
hp_result_ESA <- hpfilter(ESA, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_ESA$trend
cycle <- hp_result_ESA$cycle
# Visualiza los resultados
plot(ESA, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("El Salvador", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
Guatemala
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`Guatemala` <- as.numeric(PIB_trimestral$`Guatemala`)
GT <- ts(PIB_trimestral$`Guatemala`, start = c(2001, 1), frequency = 4)
GT <- GT[is.finite(GT)]
# Aplica el filtro de Hodrick-Prescott
hp_result_GT <- hpfilter(GT, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_GT$trend
cycle <- hp_result_GT$cycle
# Visualiza los resultados
plot(GT, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("Guatemala", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
Honduras
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`Honduras` <- as.numeric(PIB_trimestral$`Honduras`)
HND <- ts(PIB_trimestral$`Honduras`, start = c(2000, 1), frequency = 4)
HND <- HND[is.finite(HND)]
# Aplica el filtro de Hodrick-Prescott
hp_result_HND <- hpfilter(HND, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_HND$trend
cycle <- hp_result_HND$cycle
# Visualiza los resultados
plot(HND, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("Honduras", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
Nicaragua
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`Nicaragua` <- as.numeric(PIB_trimestral$`Nicaragua`)
NCR <- ts(PIB_trimestral$`Nicaragua`, start = c(2006, 1), frequency = 4)
NCR <- CR[is.finite(CR)]
# Aplica el filtro de Hodrick-Prescott
hp_result_NCR <- hpfilter(NCR, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_NCR$trend
cycle <- hp_result_NCR$cycle
# Visualiza los resultados
plot(NCR, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("Nicaragua", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
República Dominicana
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`República Dominicana` <- as.numeric(PIB_trimestral$`República Dominicana`)
RD <- ts(PIB_trimestral$`República Dominicana`, start = c(1991, 1), frequency = 4)
RD <- CR[is.finite(CR)]
# Aplica el filtro de Hodrick-Prescott
hp_result_RD <- hpfilter(RD, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_RD$trend
cycle <- hp_result_RD$cycle
# Visualiza los resultados
plot(RD, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("República Dominicana", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
Panamá
library(readxl)
library(mFilter)
library(forecast)
# Cargando los datos
PIB_trimestral <- read_excel("C:/Users/victo/Downloads/datos_PIB_trim_CA.xlsx")
# Paso extra para evitar errores con los datos
PIB_trimestral$`Panamá` <- as.numeric(PIB_trimestral$`Panamá`)
PNM <- ts(PIB_trimestral$`Panamá`, start = c(1996, 1), frequency = 4)
PNM <- PNM[is.finite(PNM)]
# Aplica el filtro de Hodrick-Prescott
hp_result_PNM <- hpfilter(PNM, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result_PNM$trend
cycle <- hp_result_PNM$cycle
# Visualiza los resultados
plot(PNM, type = "l", main = "Filtro de Hodrick-Prescott", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "blue", lwd = 2)
legend("topleft", legend = c("Panamá", "Tendencia (Filtro HP)"), col = c("black", "blue"), lty = 1, lwd = 2)
## Honduras
## República Dominicana
