Aplicación del Filtro de Hodrick Prescott

Usando los datos incluidos en el archivo datos_PIB_trime_CA.xlsx:

• 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:

o 1. Usando la versión personalizada y

o 2. usando la representación rápida.

o En todos los gráficos indique el país y el periodo al que corresponden los datos.

Costa Rica

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_CostaRica <- suppressWarnings(as.numeric(PIB_trimestral$`Costa Rica`))
PIB_CostaRica_completo <- na.omit(PIB_CostaRica)
                               
PIB_trim<-ts(PIB_CostaRica_completo,start = c(1991,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. Costa Rica. 1991-2024 ", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. Costa Rica. 1991-2024", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)

El Salvador

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_ElSalvador <- suppressWarnings(as.numeric(PIB_trimestral$`El Salvador`))
PIB_ElSalvador_completo <- na.omit(PIB_ElSalvador)
                               
PIB_trim<-ts(PIB_ElSalvador_completo,start = c(1990,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. El Salvador. 1990-2024", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. El Salvador. 1990-2024", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)

Guatemala

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_Guatemala <- suppressWarnings(as.numeric(PIB_trimestral$`Guatemala`))
PIB_Guatemala_completo <- na.omit(PIB_Guatemala)
                               
PIB_trim<-ts(PIB_Guatemala_completo,start = c(2001,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. Guatemala. 2001-2024", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. Guatemala. 2001-2024", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)

Honduras

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_Honduras <- suppressWarnings(as.numeric(PIB_trimestral$`Honduras`))
PIB_Honduras_completo <- na.omit(PIB_Honduras)
                               
PIB_trim<-ts(PIB_Honduras_completo,start = c(2000,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. Honduras. 2000-2024", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. Honduras. 2000-2024", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)

Nicaragua

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_Nicaragua <- suppressWarnings(as.numeric(PIB_trimestral$`Nicaragua`))
PIB_Nicaragua_completo <- na.omit(PIB_Nicaragua)
                               
PIB_trim<-ts(PIB_Nicaragua_completo,start = c(2006,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. Nicaragua. 2006-2024", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. Nicaragua. 2006-2024", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)

Rpública Dominicana

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_RD <- suppressWarnings(as.numeric(PIB_trimestral$`Republica Dominicana`))
PIB_RD_completo <- na.omit(PIB_RD)
                               
PIB_trim<-ts(PIB_RD_completo,start = c(1991,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. República Dominicana. 1991-2024", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. República Dominicana. 1991-2024", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)

Panamá

Implementación Personalizada

library(readxl)
library(mFilter)
library(forecast)

PIB_trimestral <- read_excel("C:/Users/valer/Downloads/datos_PIB_trim_CA.xlsx")


q_to_num <- function(q) {
  switch(q, "I"=1, "II"=2, "III"=3, "IV"=4)
}

PIB_Panama <- suppressWarnings(as.numeric(PIB_trimestral$`Panama`))
PIB_Panama_completo <- na.omit(PIB_Panama)
                               
PIB_trim<-ts(PIB_Panama_completo,start = c(1996,1),frequency = 4)
# Aplica el filtro de Hodrick-Prescott
# Ajusta el parámetro lambda según la frecuencia de los datos, 1600 para datos trimestrales. 
hp_result <- hpfilter(PIB_trim, freq = 1600)
# Extrae la tendencia y el componente cíclico
trend <- hp_result$trend
cycle <- hp_result$cycle

# Visualiza los resultados
plot(PIB_trim, type = "l", main = "Filtro de Hodrick-Prescott. Panamá. 1996-2022-III", ylab = "PIB", xlab = "Tiempo")
lines(trend, col = "red", lwd = 2)
legend("topleft", legend = c("PIB Original", "Tendencia (Filtro HP)"), col = c("black", "red"), lty = 1, lwd = 2)

plot(cycle, type = "l", main = "Componente Ciclico. Panamá. 1996-2022-III", ylab = "Ciclo", xlab = "Tiempo")

Implementación más rápida del gráfico

plot(hp_result,ask = FALSE)