| Abstract : | Στο πρώτο δοκίμιο της διδακτορικής διατριβής, ακολουθώντας την έρευνα των Clarida et al. (2006), ερευνούμε τη δυναμική χρονική διάρθρωση της καμπύλης επιτοκίων των ΗΠΑ και της Γερμανίας χρησιμοποιώντας επιτόκια πέντε διαφορετικών περιόδων ωρίμανσης με βάση δεδομένα μηνιαίας συχνότητας μεταξύ του 1999 και 2015. Τα αποτελέσματα που προέκυψαν είναι τα ακόλουθα. Πρώτον αποδεικνύεται ότι υπάρχει μακροχρόνια σχέση ισορροπίας μεταξύ των επιτοκίων διαφορετικών περιόδων ωρίμανσης, στοιχείο που έρχεται να επιβεβαιώσει τη θεωρία προσδοκιών της καμπύλης επιτοκίων. Πιο συγκεκριμένα για τις ΗΠΑ εμφανίζονται ένα προς ένα μακροπρόθεσμες σχέσεις συνολοκλήρωσης μεταξύ του spot-next–6 month Treasury bill και του spot-next-one year Treasury yields, ενώ για την Γερμανία, τα εκτιμηθέντα μοντέλα VECM προσδιόρισαν one-to-one μακροπρόθεσμες σχέσεις συνολοκλήρωσης μεταξύ spot-next–1 month Treasury bills, spot-next–3 month Treasury bills και spot-next–6 month Treasury bills. Στη συνέχεια, παραθέτουμε τις εκτιμήσεις χρησιμοποιώντας ανάλυση με χρήση στοχαστικών κύριων συνιστωσών. Πιο συγκεκριμένα για τις ΗΠΑ, ανωμαλίες στο τρίμηνο, εξάμηνο και ετήσιο επιτόκιο φαίνεται να επηρεάζουν στατιστικά σημαντικά το ημερήσιο και μηνιαίο Treasury Bill, ενώ το εξαμηνιαίο επιτόκιο φαίνεται να επηρεάζει αρνητικά τα υπόλοιπα επιτόκια σε μακροπρόθεσμη βάση Για την Γερμανία αποδεικνύεται ότι ανωμαλίες στο ημερήσιο και ετήσιο επιτόκιο, μακροπρόθεσμα επιδρούν θετικά στα υπόλοιπα επιτόκια του συστήματος. Δεύτερον, με την χρήση ελέγχων διαχρονικής σταθερότητας των παραμέτρων των μοντέλων συνολοκλήρωσης δείχνουμε ότι τα αποτελέσματα είναι ανεξάρτητα από την επιλογή δείγματος που θα κάνουμε, με εξαίρεση μία αστάθεια των παραμέτρων των μοντέλων συνολοκλήρωσης κατά την διάρκεια της χρηματοπιστωτικής κρίσης 2007-2009. Τέλος, προσπαθώντας να μελετήσουμε τις βραχυπρόθεσμες προσαρμογές των παραμέτρων των μοντέλων συνολοκλήρωσης για τα επιτόκια των πέντε διαφορετικών περιόδων ωρίμανσης, κάνοντας χρήση μη γραμμικών μοντέλων συνολοκλήρωσης (MS-VECM), αποδεικνύεται η ύπαρξη μη γραμμικότητας στις σχέσεις μεταξύ των επιτοκίων για τις ΗΠΑ και την ερμανία.Συνεχίζοντας, στο δεύτερο δοκίμιο της διδακτορικής διατριβής, γίνεται διερεύνηση της προβλεπτικής ικανότητας των τριών παραγόντων της δομής της καμπύλης επιτοκίων (level, slope, curvature), όπως επίσης και της προβλεπτικής ικανότητας άλλων χρηματοοικονομικών δεικτών, όπως ο μηνιαίος ρυθμός αύξησης μεταβλητότητας του Chicago Board Options Exchange Market Volatility Index, ο μηνιαίος ρυθμός αύξησης του Composite Leading Indicators Δείκτη του ΟΟΣΑ και ο μηνιαίος ρυθμός αύξησης της προσφοράς χρήματος (όπως μετράται από RM2), ως δείκτες πρόβλεψης της οικονομικής δραστηριότητας και ιδιαίτερα της μελλοντική ανάπτυξης της βιομηχανικής παραγωγής. Συνολικά, χρησιμοποιώντας δεδομένα από 1985-2000 και 1985-2007 για τις ΗΠΑ και 1999-2009 για τις ευρωπαϊκές χώρες, τα δείγμα αποτελέσματα δείχνουν σε πολλές περιπτώσεις ότι ο όρος spread των αποδόσεων, το 3M T-Bill, η καμπυλότητα και ο δείκτης του ΟΟΣΑ έχουν πράγματι σημαντική προβλεπτική ισχύ για πρόβλεψη αύξησης της βιομηχανικής παραγωγής έως έξι μηνών χρονικό ορίζοντα, αλλά ο όρος spread των αποδόσεων δεν εμφανίζει στατιστικά σημαντική προβλεπτική ικανότητα σε χρονικό ορίζοντα ενός έτους για τις ίδιες περιόδους. Στο δεύτερο δοκίμιο αναλύεται επίσης η ύπαρξη ασυμμετρίας στη σχέση μεταξύ των χρηματοοικονομικών δεικτών, όπως ορίζεται ανωτέρω για την πρόβλεψη της οικονομικής δραστηριότητας. Ειδικότερα, η χρήση γραμμικών και μη γραμμικών (STAR) μοντέλων παρουσιάζει σημαντική ικανότητα στην πρόβλεψη της βιομηχανικής παραγωγής από το 1985 έως το 2015. Τα μη γραμμικά μοντέλα φαίνεται να υπερτερούν των γραμμικών στις in-sample εκτιμήσεις παραμέτρων όπως φαίνεται και από τους λόγους των τυπικών σφαλμάτων. Ακόμη οι χρησιμοποιώντας rolling window προβλέψεις για την παραγωγή παρατηρούμε ότι τα γραμμικά μοντέλα παράγουν πιο ακριβείς προβλέψεις για την μελλοντική παραγωγική δραστηριότητα, συγκρινόμενα με τα μη γραμμικά, χρησιμοποιώντας ελέγχους του Diebold-Mariano. Φαίνεται ότι τα μη γραμμικά μοντέλα μπορούν να παράγουν πιο ακριβείς προβλέψεις, εάν ο αριθμός των παρατηρήσεων για τον καθορισμό του μοντέλου και την εκτίμηση των παραμέτρων του είναι μεγάλος και με μεγαλύτερη συχνότητα. Αυτό οφείλεται στο γεγονός, ότι πιθανά κέρδη από την πρόβλεψη με μη γραμμικάμοντέλα μπορεί να μειωθούν σε μεγάλο βαθμό λόγω της εκτίμησης των παραμέτρων, όπως συζητήθηκε από τους Lundbergh και Teräsvirta (2002).Ενθαρρυντικό χαρακτηριστικό είναι, ωστόσο, ότι υπάρχει ένδειξη συνδυασμού ενός μεγάλου αριθμού μη γραμμικών μοντέλων που οδηγεί σε προβλέψεις που είναι ακριβέστερες από τις προβλέψεις από γραμμικά μοντέλα. Έτσι, μπορεί να συναχθεί το συμπέρασμα ότι, ενώ η μορφή της μη γραμμικότητα σε μακροοικονομικές χρονοσειρές μπορεί να είναι δύσκολο να περιγραφεί επωφελώς με ενιαία μοντέλα, υπάρχει ελπίδα για τη βελτίωση της ακρίβειας πρόβλεψης με το συνδυασμό πληροφοριών από διάφορα μη γραμμικά μοντέλα. Αυτό υποδηλώνει ότι τα παραμετρικά μη γραμμικά μοντέλα έχουν σημαντική ικανότητα στην πρόβλεψη οικονομικών μεταβλητών.Η πρόβλεψη της μελλοντικής οικονομικής δραστηριότητας ήταν πάντα σημαντική για τους υπεύθυνους χάραξης οικονομικής πολιτικής και αυτή η ανησυχία έχει οδηγήσει σε μια μεγάλη βιβλιογραφία σχετικά με τις προβλέψεις μακροοικονομικών χρονοσειρών. Μεγάλο μέρος αυτής της βιβλιογραφίας βασίζεται σε γραμμικά μοντέλα, αλλά αυτά δεν μπορούν να εξηγήσουν ασυμμετρίες που συνδέονται συχνά με τους οικονομικούς κύκλους των επιχειρήσεων. Συνήθως, οι υφέσεις συνεπάγονται από απότομη αλλά βραχυπρόθεσμη επενδυτική πτώση της οικονομικής δραστηριότητας ενώ οι οικονομικές επιταχύνσεις συχνά διαρκούν περισσότερο από ό, τι υφέσεις. Επίσης, οι αρνητικές επιδράσεις την παραγωγή φαίνεται να είναι λιγότερο ανθεκτικές από ό, τι τα θετικά σοκ.Η συντριπτική πλειοψηφία των εμπειρικών μελετών διερευνούν την πρόβλεψη της αύξησης ή μείωσης της παραγωγής χρησιμοποιώντας γραμμικά μοντέλα, παρά τις αυξανόμενες ενδείξεις μη γραμμικής συμπεριφοράς των αποδόσεων των περιουσιακών στοιχείων, ή άλλων μακροοικονομικών δεδομένων με πενιχρά αποτελέσματα πρόβλεψης. Η μεθοδολογία βελτιστοποίησης ή εκτίμησης των παραμέτρων του μοντέλου για τους κανόνες που διερευνήθηκαν μπορεί να είναι μια άλλη αιτία της υπο-αποδοτικότητας του μοντέλου. Καθώς τα μοντέλα είναι γραμμικά και οι μεταβλητές είναι κατά μέσο όρο log-αποδόσεις, η λειτουργία πρόβλεψης είναι μια γραμμική συνάρτηση των αποδόσεων. Υπάρχει ένας αυξανόμενος αριθμός οικονομετρικών μελετών που υποστηρίζουν την υψηλή προβλεψιμότητα των μη γραμμικών μοντέλων. Καθώς η ανάλυση μοντέλων γραμμικής παλινδρόμησης καιαυτοπαλινδρόμησης χρονοσειρών αδυνατούν να παράγουν ακριβείς προβλέψεις λόγω της εγγενούς μη γραμμικότητας, οι τεχνικές μηχανικής μάθησης έχει γίνει ευρέως γνωστή, χρησιμοποιώντας εργαλεία για την ανάλυση των μακροοικονομικών στοιχείων, δεδομένου ότι είναι σε θέση να ασχολούνται με μη γραμμική μοντελοποίηση. Η ιδέα του εξελικτικού προγραμματισμού και των γενετικών αλγορίθμων είναι εμπνευσμένη από την φυσικά γενετική διακύμανση και επιλογή. Στις οικονομικές εφαρμογές, μπορούμε να αξιοποιήσουμε γενετικούς αλγόριθμους για τη βελτιστοποίηση των κανόνων διαπραγμάτευσης ή της αύξησης της παραγωγής και τις παραμέτρους τους. Στην εργασία μας, ερευνήσαμε την απόδοση πρόβλεψης της οικογένειας των TAR μη γραμμικών μοντέλων (SETAR, STAR, LSTAR κ.λπ.) έναντι των γραμμικών αυτοπαλίνδρομων μοντέλων αναφοράς (ARMA) για τέσσερις χώρες της Ευρωζώνης. Δύο βόρειες χώρες, τη Γερμανία και τη Γαλλία και δύο νότιες χώρες την Ιταλία και την Ισπανία. Επιπλέον, εισαγάγουμε μια νέα προσέγγιση εκτίμησης υβριδικών παραμέτρων με βάση την χρήση γενετικών αλγόριθμων και Ελαχίστων Τετραγώνων σε αντίθεση με την γνωστή μέθοδο των γενικευμένων ελάχιστων τετράγωνων ή απλά OLS, που χρησιμοποιούνται συνήθως για τις εκτιμήσεις των παραμέτρων των TAR μοντέλων και τις προβλέψεις την παραγωγή. Με βάση οικονομετρικά κριτήρια και κριτήρια κερδοφορίας, επιβεβαιώθηκε το επιχείρημα των Stock και Watson (2003), ότι η προβλεπτική ικανότητα ενός μοντέλου εξαρτάται από τη βελτιστοποίηση των εκτιμώμενων παραμέτρων. Επιπλέον, έχουμε αποδεικνύουμε ότι η υβριδική μέθοδος βελτιστοποίησης δημιουργεί καλύτερες προβλέψεις για την εξέταση της αύξηση της παραγωγής με βάση τις βέλτιστες παραμέτρους που παράγονται. Τα αποτελέσματά μας μπορεί να έχουν σημαντικές συνέπειες για πολλούς λόγους. Επιχειρήσεις μπορούν να βοηθηθούν στην απόφαση τους για μεγαλύτερη παραγωγή έτσι ώστε να καλύψουν μια μελλοντική αύξηση της ζήτησης. Οι κρατικές υπηρεσίες θα πρέπει να προβλέψουν τα δημοσιονομικά πλεονάσματα ή ελλείμματα και οι Κεντρικές Τράπεζες να αποφασίσουν τη στάση τους σε σχέση με την τρέχουσα νομισματική πολιτική.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.