Short-term forecasting and composite indicators construction with help of dynamic factor models handling mixed frequencies data with ragged edges

• Authors: Marcin Łupiński

Title variants

PL

Krótkoterminowe prognozowanie i budowa równoczesnego wskaźnika aktywności ekonomicznej za pomocą dynamicznych modeli czynnikowych wykorzystujących dane o mieszanych częstotliwościach i niezbilansowanym końcu prób

• Languages of publication: EN

Abstracts

EN

This paper aims at presenting practical applications of latent variable extraction method based on second generation dynamic factor models, which use modified Kalman Filter and Maximum Likehood Method and can be applied for time series with mixed frequencies (mainly monthly and quarterly) and unbalanced beginning and the end of the data sample (ragged edges). These applications embrace short-term forecasting of Polish GDP and construction of composite coincident indicator of economic activity in Poland. Presented approach adopts the idea of short-term forecasting used by Camacho and Perez-Quirioz in Banco de Espana and concept of Arouba, Diebold and Scotti index compiled in the FRB of Philadelphia. According to the author's knowledge, it is the first such adaptation for Central and Eastern Europe country. Quality of the forecast obtained with these models is compared with standard methods used for short-term forecasting with series of statistical tests in the pseudo real-time forecasting exercise. Moreover described method is applied for construction of composite coincident indicator of economic activity in Polish economy. This newly-created coincident indicator is compared with first generation coincident indicator, based on standard dynamic factor model (Stock and Watson) approach, which has been computed by the author for Polish economy since 2006.

PL

Celem niniejszego artykułu jest prezentacja praktycznych aspektów estymacji nieobserwowalnych zmiennych za pomocą modeli czynnikowych drugiej generacji opartych o zmodyfikowany filtr Kalmana i metodę największej wiarygodności (MNW). Opisane w pracy modele wykorzystywane są do krótkookresowego prognozowania polskiego PKB i konstrukcji równoczesnego wskaźnika aktywności ekonomicznej w Polsce na podstawie szeregów czasowych o mieszanych i częstotliwościach, posiadających niezbilansowany koniec próby. Przedstawione podejście stanowi adaptację koncepcji modeli używanych do krótkookresowego prognozowania przez Camacho oraz Pereza-Quirioza w Narodowym Banku Hiszpanii oraz struktur analitycznych stosowanych przez Aruobę, Diebolda i Scotti’ego przy kompilacji indeksu aktywności ekonomicznej na potrzeby Banku Rezerwy Federalnej w Filadelfii. Zgodnie z wiedzą posiadaną przez autora jest to pierwsza tego rodzaju adaptacja w Europie Środkowo-Wschodniej. W ramach wykonanych badań za pomocą grupy testów statystycznych porównania została jakość prognoz uzyskanych za pośrednictwem zaproponowanych modeli z wynikami uzyskanymi metodami standardowymi. Ponadto ocenione zostały własności statystyczne obliczonego równoczesnego wskaźnika aktywności ekonomicznej w Polsce z wersją tego wskaźnika estymowaną regularnie z wykorzystaniem modeli czynnikowych pierwszej generacji (podejście Stocka-Watsona) począwszy od 2006 r.

Keywords

EN

short-term forecasting; coincident indicators; factor models; mixed frequencies; ragged edges

PL

prognozowanie krótkookresowe; wskaźnik równoczesny; modele czynnikowe; mieszane częstotliwości; niezbilansowany koniec próby

• Publisher: Główny Urząd Statystyczny
• Journal: Przegląd Statystyczny
• Year: 2012
• Volume: 59
• Issue: 1
• Pages: 48-73

Contributors

author

Marcin Łupiński

• Uniwersytet Warszawski Wydział Nauk Ekonomicznych Katedra Informatyki Gospodarczej i Analiz Ekonomicznych Długa 44/50 00-241 Warszawa
• Narodowy Bank Polski

References

• Arouba S.B., Diebold F.X., Scotti C., (2009), Real-Time Measurement of Business Conditions, Journal of Business and Economic Statistics, vol 27 (4), pp. 417-27.
• Barhoumi K., Benk S., Cristadoro R., Den Reijer A., Jakaitiene A., Jelonek P., Rua A., Runstler G., Ruth K. and Van Nieuwenhuyze Ch., (2004), Short-Term Forecasting of GDP Using Large Monthly Datasets a Pseudo Real-Time Forecast Evaluation Exercise, ECB Occasional Working Paper, no. 84.
• Boivin J., Ng S., (2006), Are More Data Always Better for Factor Analysis?, Journal of Econometrics, 132, pp. 169-194.
• Bry G., Boschan C., (1971), Cyclical Analysis of Time Series: Selected Procedures and Computer Programs, NBER.
• Burns, A.F., Mitchell W.C., (1946), Measuring Business Cycles, NBER.
• Camacho M., Perez-Quiros G., (2009), N-STING: Espana Short Term INdicator of Growth, Banco de Espana Working Papers 0912, Banco de Espa˜na.
• Camacho M., P´erez-Quiros G., Poncela P., (2010), ”Green Shoots? Where, When and How?”, Working Papers 2010-04, FEDEA.
• Forni M., et al, (2001), Coincident and Leading Indicators for the Euro Area, Economic Journal, Royal Economic Society, vol. 111(471), pp. 62-85.
• Fernandez-Macho F.J., (1997), A Dynamic Factor Model for Economic Time Series, Kybernetika, vol. 33 (6), pp. 583-606.
• Mariano R.S., Murasawa Y., (2003), A New Coincident Index of Business Cycles Based on Monthly and Quarterly Series, Journal of Applied Econometrics, vol. 18 (4), pp 427-443, John Wiley&Sons.
• Inklar R., Jacobs J., Romp W. E., (2003), Business Cycle Indexes: Does a Heap of Data Help?, CCSO Working Paper 2003/12.
• http://www.rug.nl/staff/r.c.inklaar/research (accessed: 16.04.2010).
• Kim Ch. J., Nelson Ch. R., (1999), State Space Models with Regime Switching, MIT.
• Kowal P., (2005), Matlab Implementation of Commonly used Filters Computer Programs 0507001,EconWPA.
• Lupinski M., (2007), Konstrukcja wskaźnika wyprzedzającego aktywnoście ekonomicznej w Polsce, (Construction of Polish Economic Activity Leading Indicator), PhD Dissertation, Warsaw University.
• Lupinski M., (2009), Four Years After Expansion. Are Czech Republic, Hungary and Poland Closer to Core or Periphery of EMU?, Economics, vol. 22, pp. 75-103.
• Stock J. H., Watson M. W., (1989), New Indexes of Coincident and Leading Economic Indicators NBER Chapters, in: NBER Macroeconomics Annual 1989, vol. 4, pp. 351-409, NBER.
• Stock J. H., Watson M. W., (1998), Business Cycle Fluctuations in U.S. Macroeconomic Time Series, NBER Working Papers 6528, NBER.
• Shumway R.H., Stoffer D.S., (1982), An Approach to Time Series Smoothing and Forecasting using the EM algorithm, Journal of Time Series Analysis, vol. 3, pp. 253-264.