Discrete Spectral Analysis : the Case of Industrial Production in Selected European Countries

• Autorzy: Łukasz Lenart

Warianty tytułu

Analiza spektrum dyskretnego na przykładzie produkcji przemysłowej w wybranych krajach europejskich

• Języki publikacji: EN

Abstrakty

EN

The aim of this paper is to show the usefulness the discrete spectral analysis in identification cyclical fluctuations. The subsampling procedure was applied to construct the asymptotically consistent test for Fourier coefficient and frequency significance. The case of monthly production in industry in European countries (thirty countries) was considered. Using proposed approach the frequencies concerning business fluctuations, seasonal fluctuations and trading-day effects fluctuations were recognized in considered data sets. The comparison with existing procedures was shown. (original abstract)

Artykuł przedstawia analizę spectrum dyskretnego dla produkcji przemysłowej wybranych gospodarek europejskich. Analizie poddano dane o częstotliwości miesięcznej. Przyjęto założenie o prawie okresowej postaci funkcji wartości oczekiwanej wokół długookresowej tendencji rozwojowej. W artykule przedstawiono dwie metody graficzne identyfikacji wahań cyklicznych (koniunkturalnych, sezonowych oraz wynikających z różnej liczby dni roboczych w miesiącu). Pierwsza z nich bazuje na identyfikacji najwyższych wartości estymatora współczynnika Fouriera, jako funkcji częstotliwości. Metoda ta może być stosowana dla miesięcznej oraz rocznej stopy wzrostu. Druga metoda graficzna może być zastosowana jedynie dla miesięcznej stopy wzrostu. Bazuje ona na graficznej identyfikacji wahań cyklicznych w danych po odjęciu od nich wartości estymatora współczynników sezonowych. W kolejnej części artykułu przedstawiono wyniki formalnego testu istotności częstotliwości w oparciu o prace: Lenart, 2013 oraz Lenart oraz Pipień, 2013a. Warto zaznaczyć, iż test ten pozwolił na formalne zidentyfikowanie częstotliwości korespondującej do wahań związanych z elektem różnej liczby dni roboczych w kolejnych miesiącach roku. (abstrakt oryginalny)

Słowa kluczowe

EN

Industrial production; Spectral analysis; Fourier series; Cyclical fluctuations

PL

Produkcja przemysłowa; Analiza widmowa; Szereg Fouriera; Wahania cykliczne

• Czasopismo: Dynamic Econometric Models
• Rocznik: 2015
• Tom: 15
• Strony: 27--47

Twórcy

autor

Łukasz Lenart

• Cracow University of Economics, Poland

Bibliografia

• Croux, Ch., Forni, M. and Reichlin, L. (2001), A measure of covomement for economic variables: theory and empirics. The Review of Ecomonics and Statistics, 83(2):232-241, DOI: http://dx.doi.org/10.1162/00346530151143770.
• Doukhan, P., (1994), Mixing: Properties and Examples. Springer-Verlag, New York,
• Ftiti, Z., (2010), The macroeconomic performance of the inflation targeting policy: An approach based on the evolutionary co-spectral analysis (extension for the case of a multivariate process). Economic Modelling, 27:468-476,
• Guyon, X., (1995), Random Fields on a Network. Springer-Verlag, New York.
• Hamilton J.D., (1994), Time Series Analysis. Princeton University Press, New Jersey.
• Hurd, H. and Gerr L., (1991), Graphical methods for determining the presence of periodic correlation. J. Time Ser. Anal., 12(4):337-350. DOI: http://dx.doi.org/10.1111/j.1467-9892.1991.tb00088.x.
• Ladiray, D., (2012), Theoretical and real trading-day frequencies, in Bell W.R., Holan S.H. and McErloy T.S. (ed.), Economic time Series: Modeling and Seasonality, pages 255-279. DOI: http://dx.doi.org/10.1201/b11823-16.
• Lenart Ł, Pipień M., (2013a), Almost periodically correlated time series in business fluctuations analysis. Acta Physica Polonica A, 123(3):567-583. DOI: http://dx.doi.org/10.12693/APhysPolA.123.567.
• Lenart Ł, Pipień M., (2013b), Seasonality revisited - statistical testing for almost periodically correlated processes. Central European Journal of Economic modelling and Econo-metrics, 5:85-102.
• Lenart Ł, Pipień M., (2015), Testing the common length of the business cycles with discrete spectral analysis and subsampling approach. Submited to Journal of Time Series Analysis.
• Lenart Ł., (2011), Asymptotic distributions and subsampling in spectral analysis for almost periodically correlated time series. Bernoulli, 17(1):290-319. DOI: http://dx.doi.org/10.3150/10-BEJ269.
• Lenart Ł., (2013), Non-parametric frequency identification and estimation in mean function for almost periodically correlated time series. Journal of Multivariate Analysis, 115:252-269. DOI: http://dx.doi.org/10.1016/j.jmva.2012.10.006.
• Li T.H. and Song K.S.., (2002), Asymptotic analysis of a fast algorithm for efficient multiple frequency estimation IEEE Transactions on Information Theory, 48(10):2709 - 2720
• McAdam P. and Mestre R.., (2008), Evaluating macro-economic models in the frequency domain: A note. Economic Modelling, 25:1137-1143.
• Metz R., (2009), Comment on "Stock markets and business cycle comovement in Germany before world war I: Evidence from spectral analysis". Journal of Macroeconomics, 31:58-67, DOI: http://dx.doi.org/10.1016/j.jmacro.2008.01.004.
• Orlov A.G., (2006), Capital controls and stock market volatility in frequency domain. Eco-nomics Letters, 91:222-228, DOI: http://dx.doi.org/10.1016/j.econlet.2005.09.014.
• Orlov A.G., (2009), A cospectral analysis of exchange rate comovements during Asian finan-cial crisis. Journal of International Financial Markets, Institutions and Money, 19:742-758, DOI: http://dx.doi.org/10.1016/j.intfin.2008.12.004.
• Pakko M.R., (2004), A spectral analysis of the cross-country consumption correlation puzzle. Economics Letters, 84:341-347.
• Priestley M.B.,., (1981), Spectral Analysis and Time Series. Academic Press, London, DOI: http://dx.doi.org/10.2307/2983035.
• Uebele M. and Ritschl.A., (2009), Stock markets and business cycle comovement in Germany before World War I: Evidence from spectral analysis. Journal of Macroeconomics, 31:35-57.

Identyfikatory

DOI

10.12775/DEM.2015.002