El trabajo ayuda a comprender los efectos de la COVID-19 en la economía y orienta a los analistas en los procesos de desestacionalización mediante el uso de atípicos y técnicas de simulación. 

- ¿En qué ha consistido el trabajo publicado en la revista Economics Letters?

- Todo el mundo reacciona ante el último dato económico publicado. Malos datos de empleo, de producción industrial o de PIB aumentan la incertidumbre, frenan la inversión y el consumo por parte de las empresas y hogares y alertan a las autoridades económicas. Pero decidir si un dato es bueno o malo es una tarea complicada y más en países con un marcado comportamiento estacional de la economía.

Si se observa una serie de actividad económica se puede apreciar que es una señal ruidosa que presenta un comportamiento tendencial afectado por el ciclo económico, una estacionalidad que se repite anualmente y un componente errático más o menos pronunciado dependiendo del indicador.

El análisis de las señales no es una tarea fácil y nos enfrentamos a distintos retos. En primer lugar, de un solo dato observado tenemos que estimar 4 números: la parte que le corresponde a la tendencia, al ciclo, al componente estacional y al ruido. Es decir, las soluciones son múltiples y, distintos procedimientos con diferentes hipótesis nos conducen a estimaciones alternativas. En segundo lugar, las estimaciones de los datos ya publicados están sujetas a revisiones con la aparición de nueva información. Esto quiere decir que la cifra que hoy nos dan del dato ajustado de estacionalidad de hoy quizás nos la cambien mañana cuando se publique el dato de mañana. Este fenómeno llamado revisión, se produce bien porque se ha mejorado la información con el paso del tiempo o bien es consecuencia de las propias técnicas de extracción de señales. 

No obstante, las diferencias entre las distintas técnicas estadísticas y las sucesivas revisiones no suelen ser significativas desde un punto de vista estadístico, excepto en momentos en los que se produce un cambio de ciclo económico o el comportamiento estacional se destruye como ocurrió con la COVID-19. 

En este trabajo analizamos el efecto de la COVID-19 en el ajuste estacional realizado con distintos procedimientos.

- ¿Cómo este trabajo ayuda a comprender los efectos de la COVID-19 en los datos económicos?

- La COVID-19 tuvo un dramático coste en términos de vidas humanas, un importante impacto económico y una respuesta solidaria sin precedentes como se refleja en la monografía COVID-19 un enfoque plural, realizada y publicada en la Universidad de Alcalá. 

Los indicadores de actividad económica registraron caídas de los niveles nunca vistos y la destrucción del comportamiento estacional. Desde los Institutos Oficiales de Estadística y otras instituciones que producen y/o analizan datos económicos se reaccionó rápidamente y se dieron instrucciones técnicas para abordar el ajuste estacional de las series. No obstante, había bastante incertidumbre sobre la fiabilidad de las estimaciones publicadas, véase el blog Nada es Gratis, por ejemplo, y disparidad entre los distintos métodos estadísticos.

Las series ajustadas de estacionalidad no son datos observables, son estimaciones a partir de los datos originales de los indicadores. Es decir, no se tiene una realidad con la que contrastar si nos hemos aproximado más o menos al verdadero dato ajustado de estacionalidad que no existe.  

En el artículo de Economics Letters trabajamos con series simuladas. Construimos indicadores como resultado de la suma de una tendencia, un ciclo económico, un componente estacional y un ruido que sí que son conocidos porque los generamos nosotros. En un mundo de simulaciones en el que conocemos todo, podemos aplicar las técnicas de ajuste estacional sobre la serie suma y comprobar cuál se aproxima más al verdadero dato. Y en ese mismo mundo de simulaciones, podemos incluir una caída de la magnitud que queramos de la tendencia y destruir la estacionalidad a partir de un momento dado que identificamos como la irrupción de la COVID—19, construir la serie suma resultante y aplicarle los distintos procedimientos de extracción de señales. Una vez que tenemos una estimación y una realidad podemos evaluar qué método es el que produce mejores resultados.

- ¿Y cómo orienta a los analistas en su proceso de desestacionalización?

- El problema de la incertidumbre alrededor de la desestacionalización sigue vigente, como podemos ver en otro reciente post del blog Nada es Gratis, y a los efectos que la pandemia todavía puede tener, se le une el impacto de la invasión de Ucrania y la crisis energéticas por lo que el artículo sigue estando de actualidad.

Del trabajo sacamos dos conclusiones. La primera es que en períodos de normalidad es indiferente el método de ajuste estacional que se utilice, todos dan resultados similares y fiables. La segunda es que en casos de cambios importantes de tendencia y estacionalidad como la irrupción de la COIVD-19 todos los modelos se ven fuertemente afectados y reducen considerablemente la calidad de sus estimaciones. No obstante, los modelos no paramétricos como CiSSA en el que este equipo llevamos años trabajando, proporcionan estimaciones más fiables que las otras técnicas consideradas.

En cualquier caso, en momentos con fuertes cambios en los que la incertidumbre es más alta, la cautela aconseja la consideración de las estimaciones realizadas con distintos procedimientos, la utilización de otras técnicas como la comparación con las expectativas que se tenían sobre el valor del indicador y el reconocimiento del mayor cuidado que se debe tener al valorar la situación.

https://doi.org/10.1016/j.econlet.2021.110206 

Publicado en: Entrevista