Detecting Seasonality via Wavelet Methods

• Autorzy: Michał Stachura

Warianty tytułu

Wykrywanie sezonowości z wykorzystaniem metod falkowych

• Języki publikacji: EN

Abstrakty

EN

The multiresolution wavelet analysis is an effective tool that may be used to decompose an economic time series into its several natural components: a trend, business and seasonal cycles (of different frequencies), and a noise. The article provides a brief description of the theoretical model. The model is illustrated with its application to unemployment rate data. The empirical research carried out shows that cycles detected by wavelet filtering accurately reproduce the empirical series and its intrinsic properties.(original abstract)

Wieloskalowa analiza falkowa jest efektywnym narzędziem, które z powodzeniem można stosować do dekompozycji ekonomicznych szeregów czasowych na takie składowe, jak trend, cykl koniunkturalny, cykle sezonowe (różnych skal) oraz szum. W opracowaniu przedstawiono krótki opis modelu teoretycznego analizy wieloskalowej, który następnie zilustrowano na podstawie danych rzeczywistych dotyczących stopy bezrobocia. Przeprowadzone badania empiryczne pokazują, że filtry falkowe we właściwym stopniu odtwarzają szereg empiryczny oraz jego swoiste własności.(abstrakt oryginalny)

Słowa kluczowe

EN

Wavelet analysis; Seasonal character; Unemployment rate

PL

Analiza falkowa; Sezonowość; Stopa bezrobocia

• Czasopismo: Studia Ekonomiczne / Uniwersytet Ekonomiczny w Katowicach
• Rocznik: 2014
• Numer: nr 207 Metody matematyczne i informatyczne w finansach i ubezpieczeniach. Metody 2012.
• Strony: 223--232

Twórcy

autor

Michał Stachura

• Uniwersytet Jana Kochanowskiego w Kielcach

Bibliografia

• Gencay R., Selcuk F., Whitcher B. (2001), An Introduction to Wavelets and Other Filtering Methods in Finance and Economics, Academic Press, New York.
• Percival D.B., Walden A. (2000), Wavelet Methods for Time Series Analysis, Cambridge University Press, Cambridge.
• Serroukh A., Walden A.T., Percival D.B. (2000), Statistical Properties of the Wavelet Variance Estimator for non-Gaussian / non-linear time series, "Journal of the American Statistical Association", Vol. 95, No. 449, p. 184-196.
• Stachura M. (2004), Przykład rozwiązania pozornej regresji przy użyciu metod falkowych (An example of the spurious regression solution with use of wavelet methods), "Prace Naukowe Akademii Ekonomicznej we Wrocławiu", nr 1037 (2), p. 224-231.
• Stachura M. (2009), Kointegracja i niby-przyczynowość w świetle metod falkowych (Cointegration and quasi-causality in the light of wavelet methods), "Research Papers of Wrocław University of Economics", No. 60, p. 435-442.
• Yogo M. (2008), Measuring Business Cycles: A Wavelet Analysis of Economic Time Series, "Economics Letters", Vol. 100, No. 2, p. 208-212.
• R Development Core Team (2012). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. ISBN 3-900051- 07-0, URL http://www.R-project.org.