Diplomado de Econometra

Universidad Nacional de Ingeniera

Rafael Capar
o
rafael.caparo@giddea.com
UNI - GIDDEA Consulting & Training

Oct - 2013


ANALISIS
ESPECTRAL

ANALISIS
ESPECTRAL
Funciones Senoidales
Representaci
on Senoidal
El espectro de la poblaci
on
Calculando el espectro por varios procesos

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

Introducci
on
El an
alisis espectral tiene por objeto descomponer una serie de
tiempo estacionaria en una suma, posiblemente infinita, de
componentes senoidales de diversas frecuencias y amplitudes. Las
frecuencias m
as significativas sirven para explicar ciclos
econ
omicos, estacionalidad o caractersticas estadsticas generales
del proceso aleatorio.
Aunque contiene la misma informaci
on que el an
alisis en el
dominio del tiempo, el an
alisis en el dominio de la frecuencia
puede facilitar la intuici
on.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

El an
alisis espectral tiene que ver con vibraciones y oscilaciones,
las cuales, en su forma m
as pura, son ondulaciones sin quiebres
abruptos que se repiten peri
odicamente a traves del tiempo,
manteniendo siempre la misma amplitud y frecuencia de
oscilaci
on, como la se
nal emitida por un diapas
on.
Estas ondulaciones se conocen como ondas senoidales (o
cosenoidales) y son los componentes de pr
acticamente todas las
se
nales conocidas, como el ruido blanco, la voz, o la salida de un
modelo ARMA. El an
alisis espectral separa una se
nal en las
diversas ondas senoidales que la conforman.
La ilustraci
on m
as familiar consiste en el paso de un rayo de luz
blanca por un prisma que lo separa en componentes de diferentes
colores. Cada color corresponde a un tipo de vibraci
on con
caractersticas particulares.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

El an
alisis espectral se refiere a la teora y tecnica que permite
descomponer una se
nal o serie de tiempo (luminosa, sonora,
sensorial, econ
omica, etc.) en componentes senoidales de
diferentes frecuencias y amplitudes. En el an
alisis espectral
importa menos la forma especfica de la serie a lo largo del tiempo
y m
as la identificaci
on de las ondas senoidales presentes.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

Funciones Senoidales
Una funci
on senoidal, como la de la Figura 1, se representa por
Csen(t + )

(1)

Donde, en el caso discreto, que es el com

un en series de tiempo, la
variable tiempo asume valores enteros, esto es t = 0, 1, 2, 3 . . .
.Con respecto a los demas parametros, C es un coeficiente llamado
amplitud, positivo o negativo, que multiplica la senal senoidal;
es la frecuencia angular dada en radianes (por ejemplo radianes
equivale a 180 grados); y es una constante llamada
angulo de
fase que sirve para desplazar la se
nal en el tiempo, usualmente en
una cantidad que se encuentra en el intervalo y radianes.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

La frecuencia angular tambien se puede escribir como = 2f ,

dondef es la frecuencia dada en ciclos por unidad de tiempo. Ciclo
se refiere a la parte de la se
nal que se repite indefinidamente;
puede medirse de valle a valle, o pico a pico, o de cualquier punto
al mismo punto.
La duraci
on del ciclo,se define como perodo,el cual est
a dado en
unidades de tiempo por ciclo, y equivale al inverso de la frecuencia
f.
Es u
til recordar algunas propiedades trigonometricas de las formas
senoidales:
sen( + 2) = sent, Cos( + 2) = Cost , Cos 2 + sen2 = 1 ,
Sen(t + /2) = cost ,etc. La u
ltima propiedad nos dice que las
ondas senoidales y cosenoidales son equivalentes excepto por un

angulo de fase de /2 radianes (90 grados), que no afecta la forma

de la curva y solo la desplaza un cuarto de ciclo en el tiempo.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

La Figura 1 muestra 100 observaciones de la funci

on Sen(t/10)
donde la amplitud C es unitaria. La curva se dibuja punteada para
enfatizar el car
acter discreto de la misma; esto es, para indicar
que, aunque la se
nal es te
oricamente continua, s
olo hay
observaciones para puntos equidistantes en el tiempo.
Sin embargo, aunque las series sean discretas, la costumbre, que
se seguir
a en adelante, es dibujar las curvas de manera continua
uniendo los puntos observados. Cuanto mayor sea el coeficiente
que multiplica al tiempo t (por ejemplo, si en lugar de /10 fuera
/4) mayor es la frecuencia, lo que significa que la grafica tendria
mas ciclos por unidad de tiempo. Si hicieramos C = 5, por
ejemplo, la amplitud de la onda se multiplicaria por cinco; los
picos llegarian a + 5 y los valles a - 5, en lugar de +1 y -1 como
esta en la Figura 1.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

Representaci
on Senoidal
La suma de ondas senoidales o cosenoidales, perfectamente
peri
odicas pero de diferentes frecuencias y amplitudes, genera
resultados que pueden ser de apariencia muy diferentes a las ondas
senoidales individuales que participan en la suma.
Esto es cierto tanto para ondas discretas como continuas. Para
ilustrar, la Figura 2 muestra la suma de las tres ondas cosenidales

Cos(t/10) + Cos(2t/3) + Cos(t)

Rafael Capar
o

Diplomado de Econometra

(2)


ANALISIS
ESPECTRAL

Si no supieramos c
omo se gener
o esta serie, podramos confundirla
con una serie de tiempo observada en la pr
actica, quiz
a cambios
en el Pib, cambios en el precio de alg
un ttulo burs
atil, etc. De
hecho, estas series de la vida real est
an compuestas por una
infinidad de se
nales ondulatorias puras.
El objetivo del an
alisis espectral es hacer lo contrario de lo hecho
en la Figura 2, donde combinamos varias series senoidales de
frecuencia y amplitud conocida para obtener una serie de tiempo
final.
En el an
alisis espectral tomamos la serie de tiempo observada y
tratamos de encontrar las ondas senoidales (frecuencias y
amplitudes) que la componen; se trata de establecer cu
ales
frecuencias est
an presentes y en que proporci
on.
Esto se conoce como trabajar en el dominio de la frecuencia (las
variables se grafican contra el eje de la frecuencia).

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

El an
alisis de series de tiempo tradicional se hace en el dominio
del tiempo (las variables se grafican contra el eje del tiempo).
El Teorema de Representaci
on Espectral dice que cualquier
proceso estacionario hasta de orden dos (estacionario en
covarianza o debilmente estacionario) puede ser representado por
una suma, posiblemente infinita, de se
nales senoidales y
cosenoidales [ver Hamilton (1994, captulo 6)].
Este enunciado es la contraparte en el dominio de la frecuencia del
Teorema de Representaci
on de Wold utilizado en el dominio del
tiempo.
Los orgenes del an
alisis espectral se encuentran en las series de
Fourier, del matem
atico frances Jean Baptiste Joseph Fourier,
quien a comienzos del siglo IX descompuso se
nales peri
odicas en
sumas de ondas senoidales y cosenoidales.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL
Una explicaci
on intuitiva de c
omo podemos utilizar funciones en
general, y ondas senoidales en particular, para representar otras
funciones, se encuentra en Lathi (1968) captulo 1. En principio, el
procedimiento puede verse como una regresi
on (mnimos
cuadrados ordinarios) de la funci
on o serie a explicar contra las
funciones que se hayan escogido como explicativas.
Usando K terminos podemos expresar una serie de tiempo xt
estacionaria de media cero como:

xt = C1 Cos(1 t+1 )+C2 Cos(2 t+2 )+ +CK Cos(K t+K )+t

K
X
[Ci Cos(i t + i )] + t
i=1

Rafael Capar
o

Diplomado de Econometra

(3)


ANALISIS
ESPECTRAL

Donde Ci es la amplitud, i es la frecuencia en radianes, i es el

angulo de fase, y t es ruido con media cero que recoge aquella
parte de la serie que no es explicada por los K terminos utilizados
(en teoria, t tiende a cero si K tiende a infinito).
Una forma de hacer que la serie de la Figura 2 se asemeje aun mas
a una serie de la vida real es sumandole una serie de ruido blanco
t , como la de la Figura 3 (tomada de una normal estandar). La
serie resultante de esta suma se muestra en la Figura 4.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

La expresi
on (3) puede simplificarse para facilitar estimaci
on
apelando a la identidad trigonometrica
Cos(i t + i ) = Cos(i t)Cosi Seni

(4)

que nos permite expresar las serie xt en terminos de senos y

cosenos eliminando los
angulos de fase, quedando esta
xt =

K
X
(Ai Cosi t + Bi Seni t) + t

(5)

i=1

Donde Ai = Ci Cosi y Bi = Ci Seni son las amplitudes o

coeficientes de las ondas.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

Notamos que tanto xt en el lado izquierdo como cada una de las

ondas del lado derecho de la expresi
on son series de tiempo. En
otras palabras, podemos imaginar la expresi
on (5) como una
regresi
on donde xt es la variable dependiente y los K senos y
cosenos son las variables explicativas; podemos correr xt contra
estas ondas utilizando mnimos cuadrados ordinarios,
MCO,obteniendo coeficientes estimados Ai y Bi .
Para efectuar la estimacion por MCO tendriamos que conocer los
i contenidos en xt con el fin de construir sus variables
explicativas.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL
Supongamos, por el momento, que conocemos los i . Entonces
puede mostrarse [ver Priestley (1980), capitulo 6] que los
coeficientes estimados por MCO ser
an
n
2X
Ai =
xt Cosi t
n t=1

(6a)

n
2X
Bi =
xt Seni t
n t=1

(6b)

Donde n es el tama
no de la muestra (el n
umero de observaciones
de la serie xt ).
La matriz de variables explicativas de la regresi
on est
a formada
por series senoidales y cosenoidales. Afortunadamente estas son
ortogonales entre s permitiendo obtener expresiones sencillas en la
estimaci
on.
Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

La ortogonalidad es similar a cero covarianza, lo que se da si la

suma
R 2 del producto de las series es cero, como en efecto sucede en
Cos(i)Sen(j)d = 0, para cualquier i y j enteros positivos.
0
En consecuencia, como en cualquier regresi
on cuyas variables
explicativas son ortogonales, cada coeficiente en las expresiones
(6) resulta proporcional a la covarianza entre la variable explicativa
y la variable dependiente, lo cual es intuitivamente satisfactorio.
En realidad no conocemos los i , por lo que debemos ensayar una
secuencia de valores de i tomados a distancias cortas, esto es,
hacemos un barrido de i , y vamos registrando el
comportamiento de Ai Bi . Este es el principio del estimador
denominado periodograma.

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

EL ESPECTRO DE LA POBLACION
El espectro de la poblaci
on y sus propiedades
Sea el siguiente proceso estacionario en covarianza:
E (Yt )(Ytj ) = j
Si las covarianzas son sumables, entonces:
gY (z)

j z j ,

[6,1,1]

j=

Entonces el siguiente resultado es el espectro de la poblaci

on:
sY () =

1
1 X
j e ij
gY (e i ) =
2
2
j=

Rafael Capar
o

Diplomado de Econometra

[6,1,2]


ANALISIS
ESPECTRAL
Que se obtiene de dividir todo por 2pi y evaluarlo en exp(-iwj)
Seg
un el teorema de Moivre:
e ij = cos(j) i.sin(j)

[6,1,3]

Entonces:
SY () =

1 X
j [cos(j) i.sin(j)].
2

[6,11,4]

j=

SY () =

1
2

j=1

1
0 [cos(0) i.sin(0)]
2

j [cos(j) + cos(j) i.sin(j) i.sin(j)]

Rafael Capar
o

Diplomado de Econometra

[6,1,5]


ANALISIS
ESPECTRAL

Que es una expresi

on que ahora va desde 1 hasta el infinito.
Usando las propiedades trigonometricas llegamos a:
Que es una expresi
on que ahora va desde 1 hasta el infinito.
Usando las propiedades trigonometricas llegamos a:

X
1
[6,1,6]
0 + 2
j cos(j)
SY () =

2
j=1

El espectro es simetrico a lo largo de = 0 y adem

as una funci
on
peri
odica de

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

Calculando el espectro por varios procesos

Sea el siguiente proceso:
Yt = + (L)t

[6,1,7]

Donde
(L) =

j Lj

j=0

|j | <

j=0

 2

E (t ) =
0

Rafael Capar
o

for t =
de otra manera..

Diplomado de Econometra


ANALISIS
ESPECTRAL

Para este proceso su funci

on generadora de autocovarianzas :
gY (z) = 2 (z 1 )
Entonces, para este proceso su espectro es igual a :
SY () = (2)1 2 (e i )(e i )
Por ejemplo para un RB:
SY () = 2 /2

Rafael Capar
o

[6,1,9]

Diplomado de Econometra

[6,1,8]


ANALISIS
ESPECTRAL
El espectro es una constante.
Para un MA(1) :
Yt = t + t1
(z) = 1 + z
SY () = (2)1 . 2 (1 + e i )(1 + e i )
= (2)1 . 2 (1 + e i + e i + 2 )

[6,1,10]

e i +e i = cos()i.sin()+cos()+i.sin() = 2.cos(),
SY () = (2)1 . 2 [1 + 2 + 2.cos()].
Rafael Capar
o

Diplomado de Econometra

[6,1,12]

[6,1,11]


ANALISIS
ESPECTRAL
Ejercicios: An
alisis espectral
Rafael Capar
o
= 0,6,
= 0,3,
= 0 : 0,01 :
s = (1/(2 pi)) 2 (1 + 2 + cos())
plot(s)
Ejercicio: Probar para valores de theta positivo y negativo y
analizar si crece o decrece el espectro en funci
on de w.
Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL
Ejercicio: Para un proceso AR(1)
Yt = c + Yt1 + t
(z) = 1/(1 z))
|| < 1

SY () =

1
2
2 (1 e i )(1 e i )

1
2
2 (1 e i e i + 2

1
2
2
2 [1 + 2.cos()]
Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL

Ejercicio: MATLAB
Ejercicio: Crear la funci
on en EViews, como una subroutine
Ejercicio: MATLAB
Ejercicios: An
alisis espectral
Rafael Capar
o
= 0,6,
= 0,3,
= 0 : 0,01 : i
s = ( 2 /(2 )) (1./(1 + 2 2 cos()))
plot(s)
Diplomado de Econometra

Rafael Capar
o


ANALISIS
ESPECTRAL

Ejercicio: Probar para valores de phi positivo y negativo y

analizar si crece o decrece el espectro en funci
on de w.
Para un ARMA(p,q)

Yt = c + 1 Yt1 + 2 Yt2 + . . . + p Ytp + t + 1 t1

+2 t2 + . . . + q tq

Rafael Capar
o

Diplomado de Econometra


ANALISIS
ESPECTRAL
Su espectro
SY () =

2 (1 + 1 e i + 2 e i2 + . . . + q e iq )
2 (1 1 e i 2 e i2 . . . p e ip )

(1 + 1 e i + 2 e i2 + . . . + q e iq )
(1 t e i 2 e i2 . . . p e ip )

[6,1,14]

1 + 1 z + 2 z 2 + . . . + q z q = (1 1 z)(1 2 z) . . . (1 q z)

1 1 z 2 z 2 . . . p z p = (1 1 z)(1 2 z) . . . (1 p z)

SY () =

2
2

Qq

Qpj=1

[1 + j2 2j .cos()]

j=1 [1

Rafael Capar
o

+ 2j 2j .cos()]
Diplomado de Econometra


ANALISIS
ESPECTRAL

CALCULO
DE LA AUTOCAVARIANZA DE LA POBLACION
ESPECTRO
Preposici
on : {j }
j= Deje ser una secuencia absolutamente
sumable de autocovarianzas y se define SY () en [6,1,2] como:
Z
SY ()e ik d = k

Rafael Capar
o

Diplomado de Econometra