Common Stochastic Features and their Economic Interpretation

• Autorzy: Michał Majsterek

Warianty tytułu

Wspólne czynniki stochastyczne i ich interpretacja ekonomiczna

• Języki publikacji: EN

Abstrakty

EN

Background: Cointegration analysis has been part of the research literature for almost 40 years. However, other common features that cause disequilibrium of economic categories have so far attracted less attention. This leads to an interesting question about the degree to which studies in the alternative fields are substitutive or complementary, and what conditions must be met in order to undertake the appropriate analysis (cointegration, co-cyclical, co-autocorrelation or other, less frequently discussed co-behaviors) is purposeful. Research purpose: The purpose of this paper is the comparison of different types of common stochastic behaviors. The type of common factors and the resulting analysis of movements that should be chosen, naturally depends on the time horizon, which can be long, medium, or short, but a reliable study should not ignore any of these perspectives. This study tries to demonstrate that the key role in this choice is played by the reduced rank of the most important matrices that occur in the appropriate VAR model representations or the isomorphic representations thereof. Another research goal was to show that the above-mentioned analyses of stochastic co-movements are largely complementary. Methods: Multidimensional dynamic econometrics based on VAR models was selected for the study because it contains tools that enable the different methods of analyzing common behaviors to be analyzed. Possible combinations of full and reduced cointegrating matrix ranks and the medium- and long-run relationships matrices were considered and economically interpreted. Relationships between the matrices have been identified, and the iterative mechanism that causes the system to return to equilibrium is described. Conclusions: The study confirms that the analyzed investigations on common dominant components were essentially complementary. Extending the analysis to seasonal cointegration or deterministic co-trending would allow substitutive elements to be revealed. For example, a cointegration analysis using a relatively short time horizon is an alternative to co-trending (the stochastic trend expires only in a very long perspective), and an analysis that considers a more integrated process could be an alternative to co-deterministic cyclical analysis.(original abstract)

Przedmiot badań: Analiza kointegracyjna jest znana w literaturze od blisko 40 lat. Nieco mniej miejsca poświęca się innymi wspólnym czynnikom wytrącającym kategorie ekonomiczne ze stanu równowagi. W szczególności interesujące jest spojrzenie, w jakim stopniu wspomniane badania są względem siebie alternatywne, a w jakim komplementarne. Jakie warunki muszą być spełnione, aby podjęcie odpowiedniej analizy (kointegracyjnej, współcykliczności, współautoskorelowania czy innych, rzadziej stosowanych) było celowe. Cel badań: W oczywisty sposób wybór rodzaju analizy wspólnych czynników (niekoniecznie) dominujących czy wynikającej z tego analizy współprzesunięć zależy od wyboru horyzontu analizy (długo-, średnio- czy krótkookresowej). Z drugiej strony rzetelne badanie nie powinno a priori pomijać żadnej z tych perspektyw. Starano się dowieść, że kluczową rolę odgrywają tu zredukowane rzędy najważniejszych macierzy, występujących w odpowiednich reprezentacjach VAR lub ich izomorficznych reprezentacjach. Innym celem badawczym było wykazanie, że wspomniane analizy współprzesunięć stochastycznych są w dużej mierze komplementarne względem siebie. Metoda badawcza: Wybór metody badawczej wynikał z postawionej tezy. Wielowymiarowa ekonometria dynamiczna oparta na modelach VAR pozwoliła dostarczyć narzędzi służących porównaniu różnych metod analizy wspólnych czynników. Wyniki: Rozpatrzone i zinterpretowane ekonomicznie zostały możliwe kombinacje pełnych i zredukowanych rzędów macierzy kointegrującej oraz macierzy związków średnio- i długookresowych. Ukazane zostały powiązania pomiędzy tymi macierzami. Rozrysowany został iteracyjny mechanizm powrotu systemu do równowagi. Potwierdzono, że rozważane analizy wspólnych czynników dominujących są w dużej mierze uzupełniające względem siebie, choć w znacznym stopniu wynika to z ograniczenia się (ze względu na przyjęte limity objętości) do dziedziny czasu oraz czynników stochastycznych. Rozszerzenie analizy o np. kointegrację sezonową czy współtrendowość deterministyczną z pewnością pozwoliłoby pokazać elementy substytucyjne. Przykładowo, analiza kointegracyjna w relatywnie ograniczonym horyzoncie czasowym może być alternatywą współtrendowości (trend stochastyczny wygasa dopiero w bardzo długiej perspektywie), również analiza uwzględniająca proces o wyższym stopniu zintegrowania mogłaby być alternatywą kointegracji sezonowej.(abstrakt oryginalny)

Słowa kluczowe

EN

Cointegration; Balance; Adjustment process

PL

Kointegracja; Równowaga; Proces dostosowania

• Czasopismo: Studia Prawno-Ekonomiczne
• Rocznik: 2023
• Tom: 126
• Strony: 105--125

Twórcy

autor

Michał Majsterek

• University of Lodz, Poland

Bibliografia

• Banerjee A., Dolado J.J., Galbraith J.W., Hendry D.F., Co-integration, Error Correction and the Econometric Analysis of Non-stationary Data, Oxford University Press, Oxford 1993.
• Beveridge S., Nelson Ch., A new approach to decomposition of economic time series into permanent and transitory components with particular attention to measurement of the 'business cycle', North-Holland Publishing Company, Journal of Monetary Economics 1981/7/, pp. 151-174.
• Cubadda G., Common Serial Correlation and Common Business Cycles: A Caution Note, Empirical Economics 1999/24/3, pp. 529-535.
• Engle R.F., Granger C.W.J., Cointegration and Error Correction: Representation, Estimation and Testing, Econometrica 1987/55, pp. 251-276.
• Engle R.F., Kozicki S., Testing for Common Features, Journal of Business & Economic Statistics 1993/11/4, pp. 369-380.
• Gregoir S., Laroque G., Multivariate Time Series: A Polynomial Error Correction Representation Theorem, Econometric Theory 1993/9/3, pp. 329-342.
• Hamilton J.D., Time Series Analysis, Princeton University Press, Princeton 1994.
• Hecq A., Palm F., Urbain J.-P., Common Cyclical Features Analysis in VAR Models with Cointegration, Journal of Econometrics 2006/132 (1), pp. 117-141.
• Hecq A., Palm F., Urbain J.-P., Separation, Weak Exogeneity, and P-T Decomposition in Cointegrated VAR Systems with Common Features, Econometric Reviews 2002/21 (3), pp. 273-307.
• Johansen S., Likelihood-Based Inference in Cointegrated Vector Autoregressive Models, Oxford University Press, Oxford 1995.
• Johansen S., Statistical Analysis of Cointegration Vectors, Journal of Economic Dynamics and Control 1988/12, pp. 231-254.
• Juselius K., Cointegrated VAR Model. Methodology and Applications, Oxford University Press, Oxford 2006.
• Majsterek M., Cointegration Analysis in the Case of I(2) - General Overview, Central European Journal of Economic Modelling and Econometrics 2012/4/4, pp. 215-252.
• Majsterek M., Zasoby i strumienie w kontekście analizy kointegracyjnej, Studia Prawno- -Ekonomiczne 2020/CXIV, pp. 273-293.
• Paruolo P., Common Trends and Cycles in I(2) VAR Systems, Journal of Econometrics 2006/132, pp. 143-168.
• Stock J.H., Asymptotic Properties of Least-Squares Estimators of Co-integrating Vectors, Econometrica 1987/55, pp. 1035-1056.
• Vahid F., Engle R.F., Common Trends and Common Cycles, Journal of Applied Econometrics 1993/8/4, pp. 341-360.
• Wróblewska J., Analiza modelu realnego cyklu koniunkturalnego z wykorzystaniem bayesowskich modeli typu VEC, Przegląd Statystyczny 2017/LXIV/4, pp. 357-372.
• Wróblewska J., Bayesian Analysis of Weak Form Polynomial Reduced Rank Structures in VEC Models, Central European Journal of Economic Modelling and Econometrics 2012/4/4, pp. 253-267.

Identyfikatory

DOI

10.26485/SPE/2023/126/6