Aplicación del Filtro de Hodrick Prescott
UNIVERSIDAD DE EL SALVADOR
FACULTAD DE CIENCIAS ECONÓMICAS
ESCUELA DE ECONOMÍA
MÉTODOS PARA EL ANÁLISIS ECONÓMICO
TEMA:
“Aplicación del Filtro de Hodrick-Prescott”
DOCENTE:
MSF. Carlos Ademir Pérez Alas
Grupo teórico
GT-03
| Integrantes: | Carnet: | Participación |
|---|---|---|
| Lopez Coto, Ezequiel Benjamin | LC22057 | 100% |
| Méndez Benítez, Carlos Mauricio | MB22006 | 100% |
| Martínez Guardado, Erick Jesé | MG22058 | 100% |
Ciudad Universitaria, 15 de enero de 2025
Aplique el filtro HP para cada uno de los países de Centroamérica, para los periodos disponibles para cada país
library(readxl)
library(mFilter)
library(forecast)
library(dplyr)
library(stats)
#Cargamos los datos.
datos_PIB_trim_CA <- read_excel("E:/Jese Carpeta/R/Tareas/A34/datos_PIB_trim_CA.xlsx",
skip = 5)
#Convertimos los datos a serie temporal.
CostaRica <- datos_PIB_trim_CA[[2]][5:138] %>%
as.numeric() %>%
ts(start = c(1991,1),frequency = 4)
#CostaRica
ElSalvador <- datos_PIB_trim_CA[[3]] %>%
as.numeric() %>%
ts(start = c(1990,1),frequency = 4)
#ElSalvador
Guatemala <- datos_PIB_trim_CA[[4]][45:138] %>%
as.numeric() %>%
ts(start = c(2001,1), frequency = 4)
#Guatemala
Honduras <- datos_PIB_trim_CA[[5]][41:138] %>%
as.numeric() %>%
ts(start = c(2000,1),frequency = 4)
#Honduras
Nicaragua <- datos_PIB_trim_CA[[6]][65:138] %>%
as.numeric() %>%
ts(start = c(2006,1),frequency = 4)
#Nicaragua
RepublicaDominicana <- datos_PIB_trim_CA[[7]][5:138] %>%
as.numeric() %>%
ts(start = c(1991,1), frequency = 4)
#República Dominicana
Panama <-datos_PIB_trim_CA[[8]][25:131] %>%
as.numeric() %>%
ts(start = c(1996,1),end = c(2022,3),frequency = 4)
#PanamáCosta Rica
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultCRI <- hpfilter(CostaRica, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendCRI <- hp_resultCRI$trend
cycleCRI <- hp_resultCRI$cycle
# Visualizar los resultados en gráficos
plot(log(CostaRica),type="l",
main = "Filtro de Hodrick-Prescott Costa Rica Período 1991-I/2022-II",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(log(trendCRI), col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(log(cycleCRI), type = "l",
main = "Componente Cíclico Costa Rica Período 1991-I/2022-II",
col = "blue", lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
El Salvador
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultSLV <- hpfilter(ElSalvador, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendSLV <- hp_resultSLV$trend
cycleSLV <- hp_resultSLV$cycle
# Visualizar los resultados en gráficos.
plot(ElSalvador,type="l",
main = "Filtro de Hodrick-Prescott El Salvador Período 1990-I/2024-II",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(trendSLV, col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(cycleSLV, type = "l",
main = "Componente Cíclico El Salvador Período 1990-I/2024-II",
col = "blue",lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
Guatemala
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultGTM <- hpfilter(Guatemala, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendGTM <- hp_resultGTM$trend
cycleGTM <- hp_resultGTM$cycle
# Visualizar los resultados en gráficos.
plot(log(Guatemala),type="l",
main = "Filtro de Hodrick-Prescott Guatemala Período 2001-I/2024-II",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(log(trendGTM), col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(cycleGTM, type = "l",
main = "Componente Cíclico Guatemala Período 2001-I/2024-II",
col = "blue",lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
Honduras
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultHND <- hpfilter(Honduras, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendHND <- hp_resultHND$trend
cycleHND <- hp_resultHND$cycle
# Visualizar los resultados en gráficos.
plot(Honduras,type="l",
main = "Filtro de Hodrick-Prescott Honduras Período 2000-I/2024-II",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(trendHND, col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(cycleHND, type = "l",
main = "Componente Cíclico Honduras Período 2000-I/2024-II",
col = "blue",lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
Nicaragua
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultNIC <- hpfilter(Nicaragua, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendNIC <- hp_resultNIC$trend
cycleNIC <- hp_resultNIC$cycle
# Visualizar los resultados en gráficos.
plot(Nicaragua,type="l",
main = "Filtro de Hodrick-Prescott Nicaragua Período 2006-I/2024-II",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(trendNIC, col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(cycleNIC, type = "l",
main = "Componente Cíclico Nicaragua Periodo 2006-I/2024-II",
col = "blue",lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
República Dominicana
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultDOM <- hpfilter(RepublicaDominicana, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendDOM <- hp_resultDOM$trend
cycleDOM <- hp_resultDOM$cycle
# Visualizar los resultados en gráficos.
plot(RepublicaDominicana,type="l",
main = "Filtro de Hodrick-Prescott República Dominicana Período 1991-I/2024-II",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(trendDOM, col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(cycleDOM, type = "l",
main = "Componente Cíclico República Dominicana Período 1991-I/2024-II",
col = "blue",lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
Panamá
1. Usando la versión personalizada
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales.
hp_resultPAN <- hpfilter(Panama, freq = 1600)
# Extrae la tendencia y el componente cíclico
trendPAN <- hp_resultPAN$trend
cyclePAN <- hp_resultPAN$cycle
# Visualizar los resultados en gráficos.
plot(Panama,type="l",
main = "Filtro de Hodrick-Prescott Panamá Período 1996-I/2022-III",
ylab = "PIB trimestral en constante",
xlab = "Años/Trimestres", lwd = 2)
lines(trendPAN, col = "red", lwd = 2)
legend("topleft",
legend = c("PIB Original", "Tendencia (Filtro HP)"),
col = c("black", "red"), lty = c(1,1), lwd = 2)
plot(cyclePAN, type = "l",
main = "Componente Cíclico Panamá Período 1996-I/2022-III",
col = "blue",lwd = 2, ylab = "Ciclo", xlab = "Años/Trimestres")
