Time series reconciliation through flexible least squares estimation

• Frank, Luis ^[1]
  1. [1] Direccion Nacional de Modelos y Proyecciones Subsecretarıa de Programacion Macroeconomica Secretarıa de Polıtica Economica Ministerio de Economıa
• Localización: Cuadernos del CIMBAGE, ISSN-e 1669-1830, ISSN 1666-5112, Vol. 1, Nº. 25, 2023, págs. 1-14
• Idioma: inglés
• Títulos paralelos:
  • Conciliación de series de tiempo a través de mínimos cuadrados flexibles
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En el artículo optimizamos un procedimiento desarrollado recientemente para conciliar series de tiempo por mínimos cuadrados flexibles. En la versión anterior del procedimiento el autor asumía conocimiento previo del parámetro de ponderación μ de la llamada “función de costo de incompatibilidad” de Kalaba y Tesfatsion. En la nueva versión, este parámetro se estima a partir de la muestra mediante un método iterativo basado en el algoritmo de Newton-Raphson. Probamos el nuevo método conciliando las tasas de crecimiento mensual del Estimador de Actividad Económica Mensual (EMAE) de Argentina con las tasas de crecimiento trimestrales del Producto Interno Bruto. Los resultados sugieren que los niveles ´óptimos de μ serian cercanos a 1 (el valor sugerido por Kalaba y Tesfatsion como valor a priori) y que estimar μ a partir de la muestra en vez de mantenerlo fijo en 1 apenas modifica la serie reconciliada.

  • English

    In the paper we optimize a procedure developed recently to reconcile time series by flexible least squares. In the previous version of the procedure the author assumed prior knowledge of the weighting parameter μ of Kalaba and Tesfatsion’s so-called “incompatibility cost function”. In the new version, this parameter is estimated from the sample using an iterative method based on the Newton-Raphson algorithm. We test the improved method by reconciling the monthly growth rates of the Monthly Economic Activity Estimator (EMAE) of Argentina with the quarterly growth rates of the Gross Domestic Product. The results suggest that optimal levels of μ would be close to 1 (thevalue suggested by Kalaba and Tesfatsion as prior value) but estimating μ from the sample instead of keeping it fixed at 1 hardly modifies the reconciled series.