Wykorzystanie Dynamic Time Warping do analizy polityki pieniężnej, sektora finansowego i wzrostu gospodarczego Polski oraz wybranych krajów Europy Środkowo-Wschodniej

• Authors: Michał Bernardelli , Mariusz Próchniak

Title variants

EN

Utilising Dynamic Time Warping to analyse the monetary policy, financial sector, and economic growth of Poland and selected countries of Central and Eastern Europe

Abstracts

EN

The aim of this study is to examine the impact of the monetary policy (and, more broadly, the financial sector) on the real economy in selected European countries, taking into account their fiscal policy as well. The study includes 15 European countries that are not part of the eurozone and covers the period of 2010–2022. In the analysis, we utilise the Dynamic Time Warping (DTW) method, which is an innovative method for comparing time series, particularly novel in the fields of economics and finance. We compare the countries based on five variables: interest rates, the money supply growth rate, the state consumption expenditure growth rate, the economic growth rate, and the inflation rate. The results show that based on the variables representing the monetary policy (interest rates and money supply dynamics), two clusters of countries with similar monetary policy approaches can be identified. The study provides several recommendations for economic policy, particularly in the field of monetary policy.

PL

Celem niniejszego artykułu było zbadanie oddziaływania polityki pieniężnej (oraz szerzej – sektora finansowego) na realną gospodarkę w wybranych krajach europejskich. Uwzględniono także politykę fiskalną. Badanie obejmowało 15 państw europejskich nienależących do strefy euro oraz okres 2010– 2022. W analizie wykorzystano metodę Dynamic Time Warping (DTW), czyli nowatorską jak na ekonomię i finanse metodę służącą do porównywania szeregów czasowych. W badaniu porównano kraje pod względem pięciu zmiennych: stopy procentowej, tempa wzrostu podaży pieniądza, tempa wzrostu wydatków konsumpcyjnych państwa, tempa wzrostu gospodarczego i stopy inflacji. Wyniki pokazują, że na podstawie zmiennych reprezentujących politykę pieniężną (stopy procentowe i dynamika podaży pieniądza) można wyodrębnić dwa klastry krajów charakteryzujących się podobnym prowadzeniem polityki pieniężnej. Badanie dostarcza wielu rekomendacji dla polityki gospodarczej, zwłaszcza w zakresie polityki pieniężnej.

Keywords

EN

monetary policy; financial sector; economic growth; dynamic time warping; similarities of time series

PL

polityka pieniężna; sektor finansowy; wzrost gospodarczy; Dynamic Time Warping; podobieństwo szeregów czasowych

• Publisher: Szkoła Główna Handlowa w Warszawie. Kolegium Zarządzania i Finansów
• Journal: Studia i Prace Kolegium Zarządzania i Finansów
• Year: 2023
• Issue: 191
• Pages: 101-122

Dates

published

2023

Contributors

author

Michał Bernardelli

• Szkoła Główna Handlowa w Warszawie

author

Mariusz Próchniak

• Szkoła Główna Handlowa w Warszawie

References

• Amable B. [2003], The Diversity of Modern Capitalism, Oxford University Press, Oxford.
• Bernardelli M. [2023], Assessment of the Similarity Between the Business Cycle Phases, w: Monitorowanie działalności gospodarczej. Gospodarka po pandemii COVID-19, red. M. Radzikowski, Oficyna Wydawnicza SGH, Warszawa.
• Bernardelli M., Próchniak M. [2023], The Analysis of Economic Growth and Monetary Policy for Poland and Selected Central and Eastern European Countries with the Use of Dynamic Time Warping, w: Modeling Economic Growth in Contemporary Poland, red. E. Bukalska, T. Kijek, B.S. Sergi, Emerald Publishing, Bingley, UK.
• D’Urso P., De Giovanni L., Massari R. [2021], Trimmed Fuzzy Clustering of Financial Time Series Based on Dynamic Time Warping, „Annals of Operations Research”, 299.
• Focardi S.M. [2001], Clustering Economic and financial Time Series: Exploring the Existence of Stable Correlation Conditions, The Intertek Group Discussion Paper, nr 2001–04.
• Franses P.H., Wiemann T. [2020], Intertemporal Similarity of Economic Time Series: An Application of Dynamic Time Warping, „Computational Economics”, 56.
• Gassouma M.S., Benhamed A., El Montasser G. [2023], Investigating Similarities Between Islamic and Conventional Banks in GCC Countries: A Dynamic Time Warping Approach, „International Journal of Islamic and Middle Eastern Finance and Management”, 16(1).
• Kate R.J. [2016], Using Dynamic Time Warping Distances as Features for Improved Time Series Classification, „Data Mining and Knowledge Discovery”, 30.
• Paparrizos J., Gravano L. [2016], K-Shape: Efficient and Accurate Clustering of Time Series, „SIGMOD Record”, 45(1).
• Rapacki R. (red.) [2019], Diversity of Patchwork Capitalism in Central and Eastern Europe, Routledge, London.
• Raihan T. [2017], Predicting US Recessions: A Dynamic Time Warping Exercise in Economics, „SSRN Working Paper”, 3047649.
• Sakoe H., Chiba S. [1978], Dynamic Programming Algorithm Optimisation for Spoken Word Recognition, „IEEE Transactions on Acoustics, Speech, and Signal Processing”, 26(1).
• Vintsyuk T. [1968], Speech Discrimination by Dynamic Programming, „Cybernetics”, 4(1).
• Walesiak M. [2016], Wybór grup metod normalizacji wartości zmiennych w skalowaniu wielowymiarowym, „Przegląd Statystyczny”, 63(1).

Identifiers

Biblioteka Nauki

20874786