Impacto de la Semana Santa sobre los indices de produccion sectoriales de la industria colombiana.

Author:Abril Salcedo, Davinson Stev
Position:Ensayo
Pages:58(28)
 
FREE EXCERPT

Impact of Holy Week on the Industrial Production Indexes by Sector in Colombia

Impacto da semana santa sobre os indices de producao setoriais da industria colombiana

  1. Introduccion

    El esfuerzo de los analistas economicos por comprender con precision el crecimiento economico o su deterioro, por lo general, se ve complicado por factores ajenos a la tendencia de los datos, pero que, sin embargo, si influyen en el nivel de los datos, lo que podria resultar en interpretaciones imprecisas. La variacion estacional es una de las fuentes mas comunes e importantes de ruido sobre las series de datos economicas mensuales o trimestrales. La variacion estacional incluye efectos recurrentes relacionados con el calendario derivados de factores economicos y no economicos, tales como las condiciones climaticas, las vacaciones escolares, dias de feriados, Semana Santa, entre otras. Teniendo en cuenta lo anterior, es posible construir modelos econometricos que permitan descomponer las series economicas en los componentes de tendencia-ciclo, estacionalidad y no explicado (ruido), lo que se denomina el proceso de desestacionalizacion de la serie economica.

    Entre los procedimientos mas usuales de desestacionalizacion se encuentran el metodo X-11-Arima de Dagum (1988) y X-12-Arima de Findley et al. (1998) a traves de los que se estiman tres componentes: el ciclico-tendencial, los factores estacionales y el irregular (parte no explicada). Es importante senalar una distincion existente en las variaciones estacionales, las cuales pueden dividirse entre regulares y no regulares. Las primeras estan asociadas a fenomenos estacionales que se presentan en los mismos periodos de tiempo con frecuencia en cada ano, mientras que los segundos pueden variar su ocurrencia de un ano a otro. En general, la preocupacion inicial de los analistas economicos se basa en la estimacion de los patrones estacionales sistematicos y se olvida de aquellos efectos calendario que pueden afectar el comportamiento de la serie de manera no regular. Por ejemplo, el impacto de un dia festivo que en un determinado mes cambia, si este sucede entre semana o el fin de semana. Tambien se olvida el efecto que podrian tener los anos bisiestos en el comportamiento del mes de febrero o el mas importante, y que sera objeto del presente estudio, el impacto que tiene la Semana Santa sobre la actividad economica, en particular cuando su ocurrencia cambia de marzo a abril.

    Findley y Soukup (2000) encontraron que ciertos tipos de actividades economicas se ven afectados de manera significativa por los dias festivos. Los autores encuentran que no solo los dias feriados impactan el comportamiento de ciertas variables economicas cuando las fiestas tienen lugar, sino que adicionalmente pueden influir la dinamica en las proximidades del evento. Asi mismo, evaluan como los feriados impactan de manera diversa a las series, puesto que no son fijos, es decir, varian en la ocurrencia del evento de un ano al otro. Algo similar sugiere el estudio de Zhang et al. (2001) sobre el volumen de negocios en Australia. Al tener en cuenta las variaciones producidas por los cambios de ocurrencia de las diversas festividades, los autores recomiendan ajustar correctamente las series estacionalmente para evitar subestimaciones que induzcan a equivocaciones en la toma de decisiones de los responsables de politica.

    Para el caso colombiano se puede citar, en particular, lo que ocurrio durante el primer trimestre de 2013 cuando febrero de ese ano tenia un dia habil menos respecto a febrero de 2012 (ano que fue bisiesto) y marzo de 2013 tenia tres dias habiles menos por la presencia de la Semana Santa y un festivo (el ano anterior la Gran Semana habia sido en abril). Los meses de febrero, marzo y abril que estuvieron altamente influenciados por los dias habiles produjeron una alta variabilidad en los resultados reportados por varias series economicas, por ejemplo, ventas, turismo y produccion industrial. Para 2014, este fenomeno tambien afecto las series economicas colombianas para el primer trimestre, ya que la Semana Santa se traslado de marzo a abril. Todo ello complica la labor diaria de los analistas economicos en terminos de describir la coyuntura reciente y de realizar proyecciones en medio de un entorno con alta variabilidad de cierto conjunto de variables que se ven afectadas por eventos transitorios, como los efectos calendario no regulares, los dias feriados y la Semana Santa.

    De esta manera, un hecho estilizado de gran relevancia para la industria colombiana son los efectos calendario, los cuales son patrones asociados a fenomenos estacionales no regulares que pueden distorsionar el analisis

    de coyuntura debido a que impiden determinar con precision la tendencia de la serie. Melo y Parra (2014) muestran que los efectos calendario sobre la industria son significativos, siendo el mas relevante la Semana Santa, seguido por los dias feriados. Ambos afectan negativamente la produccion, y en el caso de la Semana Santa puede restar a la expansion total del sector industrial entre el 4,6 % y 5,13 %, en promedio (figura 1). En este documento se examinan dichos efectos calendario a nivel sectorial, ya que existen ramas en donde los efectos pueden variar dependiendo de la participacion de la mano de obra en la produccion, o si son industrias relacionadas con la extraccion de materias primas, entre otras razones. Este resulta ser uno de los aportes a la literatura colombiana debido a que las estimaciones realizadas evidencian la gran heterogeneidad en el desempeno economico sectorial de las subramas que componen la industria.

    A nivel internacional se encuentran algunos trabajos que han estudiado estos temas mediante diversas estrategias. Burdisso et al. (2010) ajusta un modelo reg-Arima X-12 de Findley et al. (1998) sobre las series de billetes y monedas de Argentina durante el periodo 1992-2007 e incorpora dentro de las variables regresoras el calendario domestico al ajuste estacional. Alli, encuentra que dichos efectos tienen significancia estadistica y que la contribucion a la explicacion de los movimientos dentro del ano no supera los [+ or -]0,2 puntos basicos (p.p.), aunque hacia el final de la muestra, en diciembre de 2007 llego a ser -0,8 p.p. Asi mismo, encuentra que los factores estacionales se redujeron de manera importante desde 1997 a 2007, lo que puede estar explicado por el proceso de bancarizacion y la incorporacion de nuevas tecnologias que se registraron en la economia argentina desde finales de los noventa.

    Estudios concretos de los efectos calendario sobre la produccion industrial son Morales et al. (1992) y Flaig (2003). El primero se concentra en el caso de Espana y evalua el impacto de la Semana Santa sobre esta serie economica, encontrando un impacto entre 0,5 a 1,0 p.p. en promedio. En el segundo, ademas de la Semana Santa, el autor incorpora variables que miden el numero de dias festivos por mes y el numero de dias habiles por mes. Asi mismo, propone siete modelos para implementar los ajustes estacionales y la medicion de los efectos calendario, hallando que el impacto de los dias feriados oscila alrededor de -0,25 y no encontro una especificacion significativa para modelar la Semana Santa.

    En este documento se mostraran dos metodologias que permiten desestacionalizar cualquier variable economica teniendo en consideracion factores como los efectos calendario durante el procedimiento de estimacion. La primera es Tramo-Seats propuesta por Gomez y Maravall (1994, 1996) y la segunda es tbats enunciada por De-Livera et al. (2011). El documento se concentra en la produccion industrial, ya que es uno de los sectores altamente influenciados por los efectos calendario, en especial por la Semana Santa--Parra y Pirajan (2013) y Melo y Parra (2014)--.

    Para ello, este escrito se divide en tres secciones adicionales: la primera describe las metodologias propuestas para abordar el problema de la desestacionalizacion teniendo en cuenta los efectos calendario y las herramientas estadisticas propuestas para caracterizar algunos de los patrones a lo largo del tiempo de los indice sectoriales de produccion industrial; la segunda muestra los principales resultados obtenidos para las estimaciones de los efectos calendario sobres los diversos sectores que componen la industria colombiana en el periodo comprendido entre enero de 1990 y septiembre de 2014. Para finalizar, se presentan las principales conclusiones.

  2. Aspectos metodologicos

    En esta seccion se describen las metodologias que se utilizaron para desestacionalizar las series de los indices de produccion industrial por sectores teniendo en cuenta los efectos calendario, los cuales estan asociados a la estacionalidad de las series. Esto se torna relevante para el analisis de coyuntura debido a que dichos patrones estacionales son diferentes a nivel sectorial y podrian no permitir una correcta lectura de las tendencias como se menciono en la introduccion.

    2.1. Metodologia (TBATS)

    De-Livera et al. (2011) introducen una representacion trigonometrica de los componentes estacionales basados en series de Fourier. Permitiendo de este modo mejorar las estimaciones de la metodologia bats desarrollada por Taylor en 2010, la cual es una generalizacion de los modelos estado-espacio (mee) estacionales por innovaciones.

    Inicialmente, para remover posibles no linealidades y estabilizar la varianza la serie de tiempo yt se hace uso de la transformacion Box-Cox -Box y Cox (1964) y Cajiao et al. (2014)-. Luego esta serie puede ser expresada como:

    [EXPRESSION MATEMATICA IRREPRODUCTIBLE EN ASCII] [1]

    [EXPRESSION MATEMATICA IRREPRODUCTIBLE EN ASCII] [2]

    [l.sub.t] = [l.sub.t-i] + [fi][b.sub.t-i] + [alfa][d.sub.t] [3a]

    [b.sub.t] = (1 - [fi])b + [fi][d.sub.t-1] + [beta][d.sub.t] [3b]

    [EXPRESSION MATEMATICA IRREPRODUCTIBLE EN ASCII] [3c]

    [d.sub.t] = [p.summa de (i=1)] [fi][d.sub.t-1] + [q.summa de (i=1)] [[theta].sub.i] [[epsilon].sub.i] + [[epsilon].sub.t] [3d]

    ...

To continue reading

FREE SIGN UP