PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2017 | 58 | 105--126
Tytuł artykułu

Probabilistic Analysis of the Cyclical Fluctuations on the Business Cycle Clock : the Case of Visegrad Group

Autorzy
Treść / Zawartość
Warianty tytułu
Analiza probabilistyczna wahań cyklicznych na zegarze cyklu: Analiza dla państw grupy wyszehradzkiej
Języki publikacji
EN
Abstrakty
EN
The paper investigates a methodology for determining the predictive distribution for the position of the points on a business cycle clock. The presented methodology is based on a multi-step procedure, which consists in determining the predictive distribution of the analyzed variable and applying the filtration methods. The presented approach allows, among other things, to determine the probabilities associated with the position of the clock points in a quadrant of the coordinate system. Empirical results were presented for the Visegrad Group economies. For the economies considered, the probabilistic approach allowed us to estimate the probabilities of entering a given phase of economic activity for past, present and future time. The predictive distributions, beyond the period under consideration, do not indicate the high probability of achieving a particular phase of the cycle. In most cases, the probability of a given cycle phase stabilizes at the same level, as the forecast horizon increases (approximately 1/4). This suggests the need to use models containing stochastic or deterministic cyclical components. (original abstract)
W artykule przedstawiono metodologię wyznaczania rozkładu predyktywnego dla położenia punktów na zegarze cyklu koniunkturalnego. Metodologia ta oparta jest na kilkustopniowej procedurze, polegającej na wyznaczeniu rozkładu predyktywnego analizowanej zmiennej oraz zastosowaniu metod filtracji. Podejście to umożliwia, miedzy innymi, wyznaczenie prawdopodobieństw związanych z położeniem punktów zegara w danej ćwiartce układu współrzędnych. Wyniki empiryczne przedstawiono dla gospodarek grupy wyszehradzkiej. W przypadku rozważanych gospodarek, podejście probabilistyczne pozwoliło na oszacowanie szans wejścia w daną fazę aktywności gospodarczej dla przeszłych, obecnych oraz przyszłych chwil czasowych. Ze względu na zastosowanie klasy modeli SARIMA uzyskane wyniki prognozy poza okres rozważanej próby nie wskazują na wysokie prawdopodobieństwa osiągnięcia danej fazy cyklu. W większości przypadków prawdopodobieństwa wystąpienia danej fazy cyklu stabilizują się na równym poziomie wraz ze wzrostem horyzontu prognozy (po ok. 1/4). Sugeruje to potrzebę wykorzystania modeli zawierających komponenty cykliczne o charakterze stochastycznym lub deterministycznym. (abstrakt oryginalny)
Rocznik
Tom
58
Strony
105--126
Opis fizyczny
Twórcy
  • Cracow University of Economics, Poland
Bibliografia
  • Azevedo J., Koopman S., Rua A. (2006), Tracking the business cycle of the euro area: a multivariate model-based band-pass filter, Journal of Business & Economic Statistics 24(3), 278-290.
  • Baxter M., King R.G. (1999), Measuring Business Cycles: Approximate Band - Pass Filters For Economic Time Series, The Review of Economics and Statistics, MIT Press, 81(4), 575-593.
  • Burnside C. (1998), Detrending and business cycle facts: a comment, Journal of Monetary Economics, 41, 513-532.
  • Canova F. (1998), Detrending and Business Cycle Facts, Journal of Monetary Economics, 41, 475-512.
  • Christiano L.J., Fitzgerald T.J. (2003), The Band Pass Filter, International Economic Review, 44, 435-465.
  • de Haan J., Inklaar R., Jong-A-Pin R. (2008), Will Business Cycles In The Euro Area Converge? A Critical Survey of Empirical Research, Journal of Economic Surveys vol. 22, 234-273.
  • Estrella A. (2007), Extracting Business Cycle Fluctuations: What Do Time Series Filters Really Do? Staff Report 289, Federal Reserve Bank of New York.
  • Harvey A., Jaeger A. (1993), Detrending, Stylized Facts and the Business Cycle, Journal of Applied Econometrics, 8, 231-247.
  • Harvey A., Trimbur T., Van Dijk H. (2007), Trends and Cycles in Economic Time Series: A Bayesian Approach, Journal of Econometrics, 140, 618-649.
  • Harvey A., Trimbur T. (2003), General Model-Based Filters for Extracting Cycles and Trends in Economic Time Series, The Review of Economics and Statistics, 85(2), 244-255.
  • Hodrick R., Prescott E. (1997), Postwar U.S. Business Cycles: An Empirical Investigation, Journal of Money, Credit and Banking, 29, 1-16.
  • Koopman S.J., Shephard N. (2015), Unobserved Components and Time Series Econometrics, Oxford University Press, Oxford.
  • Koopman S., Azevedo J. (2008), Measuring Synchronization and Convergence of Business Cycles for the Euro Area, UK and USA, Oxford Bulletin of Economics and Statistics, 70(1), 23-51.
  • Lenart Ł., Pipień M. (2013), Almost Periodically Correlated Time Series in Business Fluctuations Analysis, Acta Physica Polonica A, 123(3), 567-583.
  • Lenart Ł., Pipień M. (2016), Koncepcja wstęgowego zegara cyklu koniunkturalnego w ujęciu nieparametrycznym, Przegląd Statystyczny 63(4), 375-390.
  • Lenart Ł., Mazur B. (2016), On Bayesian estimation of almost periodic in mean autoregressive models, Przegląd Statystyczny, 63(3): 255-271.
  • Lenart Ł., Mazur B., Pipień M. (2016), Statistical analysis of business cycle fluctuations in Poland before and after the crisis, Equilibrium, Quarterly Journal of Economics and Economic Policy, 11(4), 769-783.
  • Mazur B. (2016), Growth Cycle Analysis: the case of Polish Monthly Macroeconomic Indicators, Folia Oeconomica Cracoviensia, 57, 37-53.
  • Mazur B. (2017a), Density Forecasts of Polish Industrial Production: a Probabilistic Perspective on Business Cycle Fluctuations, Working Papers, 75/2017, Institute of Economic Research, revised May 2017, https://ideas.repec.org/p/pes/wpaper/2017no75.html.
  • Mazur B. (2017b), Probabilistic Prediction Using Disaggregate Data: The Case of Value Added in Poland, Folia Oeconomica Cracoviensia, 58: 85-103.
  • Mazzi G.L. (2015), Complementing scoreboards with composite indicators: the new business cycle clock, EURONA - Eurostat Review on National Accounts and Macroeconomic Indicators, 02/2015, Luxembourg, https://ec.europa.eu/eurostat/cros/system/files/eurona2-2015-art3.pdf.
  • Pelagatti M. (2016), Time Series Modelling with Unobserved Components, Taylor & Francis Group, Boca Raton.
  • Trimbur T. (2006), Properties of Higher Order Stochastic Cycles, Journal of Time Series Analysis, 27, 1-17.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171493356

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.