Acta Univ. Agric. Silvic. Mendelianae Brun. 2010, 58(6), 355-368 | DOI: 10.11118/actaun201058060355

CYKLIČNOST PRŮMYSLOVÉ VÝROBY V KONTEXTU ČASOVÉ A FREKVENČNÍ DOMÉNY

Jitka Poměnková
Ústav financí, Mendelova univerzita v Brně, Zemědělská l, 613 00 Brno, Česká republika

Předkládaný příspěvek se zabývá analýzou cyklického chování růstového hospodářského cyklu České republiky modelovaného na hodnotách průmyslové výroby v období 1996-2008. Cyklické chování je posuzováno jak v časové doméně, tak ve frekvenční doméně. Hodnoty růstového hospodářského cyklu jsou získány aplikací běžně využívaných přístupů detrendování, kdy je trendem vývoje na daném časovém období modelován potenciální produkt. Růstový cyklus je pak chápán jako fluktuace kolem tohoto dlouhodobého trendu. Pro detrendování jsou využity následující metody: metoda prvních diferencí, detrendování regresní funkcí (přímkovou, kvadratickou funkcí), Gasser-Müllerův odhad, Hodrick-Prescottův, Baxter-Kingův a Christiano-Fitzgeraldův filtr při vstupním detrendování přímkou.
Při analýze v časové doméně je růstový cyklus nejprve datován prostřednictvím pravé a levé varianty naivních pravidel stanovení bodů zlomů a dále pomocí Bry-Boschanova algoritmu. Následně jsou vypočteny délky získaných cyklů vrchol-vrchol všech růstových cyklů. Výsledků datování je využito i pro posouzení podobnosti získaných růstových cyklů. Při práci ve frekvenční doméně jsou délky cyklů zjištěny prostřednictvím odhadu hodnot spektra odpovídající stanoveným periodám. Odhad spektra je proveden metodou periodogramu a autoregresního procesu s optimalizovaným řádem zpoždění.
Na základě provedené analýzy můžeme konstatovat následující. Je-li datování a výpočet délek cyklů na základě zjištěných bodů zlomu v časové doméně prováděno na růstových cyklech získaných detrendováním několika metodami, poskytuje v globálu stejných výsledků jako analýza ve frekvenční doméně založená na odhadu spektra. V tomto směru je však analýza v časové domény časově výrazně náročnější a lze se domnívat, že i méně přesná. Tato snížená přesnost může vyplývat z požadavku na splnění většího množství omezujících podmínek, které se objevují v souvislosti s větším množstvím technik využitých pro získání růstového cyklu. Analýza ve frekvenční doméně je naopak rychlejší, přičemž získané výsledky pro hodnoty průmyslu vykázaly při odhadu spektra oběma způsoby vysokou shodu.
Při posuzování podobnosti výsledků datování v kontextu použitých detrendovacích metod vykázaly dobrou shodu Hodrick-Prescottův filtr s růstovými cykly získanými detrendováním regresní přímkou nebo kvadratickou funkcí. Z hlediska analýzy cyklického chování je však nelze vzájemně zaměňovat, neboť zjištěné hodnoty délek cyklů jsou nestejné. V tomto případě je nutné doplnit analýzu na takto získaných růstových cyklech odhadem spektra ve frekvenční doméně, neboť některé cykly mohou zůstat nezachyceny, jak je patrné pro případ detrendování lineární funkcí.
Využijeme-li výsledků k formulaci doporučení pro práci s hospodářským cyklem České republiky na hodnotách průmyslu, pak se jako nejvhodnější přístup jeví detrendování pomocí Christiano-Fitzgeraldova filtru následované odhadem spektra ve frekvenční doméně. Při datování lze pro takto získaný filtr připustit využití naivních pravidel, neboť Christiano-Fitzgeraldův filtr produkuje růstový cyklus s frekvencemi v předem stanoveném pásmu tzv. hospodářských cyklů. Ve výsledku pak produkuje v porovnání s ostatními filtry, které nejsou typu pásmová propust, hladší růstové cykly.

cyklická struktura, časová a frekvenční doména, datování, hospodářský cyklus

Cyclicality of industrial production in the context of time and frequency domain

Presented paper is focused on evaluation of cyclical behaviour of industrial production of the Czech Republic in time and frequency domain. Analyses in both domains are done in the context of commonly used detrending techniques necessary for obtaining growth business cycle. In the case of time domain analysis, the length of existing cycles is calculated on the basis of dating method application, i.e. right and left version of naive rules as well as Bry-Boschan algorithm. In the case of frequency domain, estimate of the spectra using periodogram and autoregressive process with optimum lag are used. In the time domain evaluation of the unity of the results of detrending techniques from the turning points identification is done as well. All analysis are done on the data of industrial production in the Czech Republic in 1996/Q1-2008/Q4.

Keywords: cyclical structure, dating process, time and frequency domain, growth business cycle
Grants and funding:

Předkládaný příspěvek vznikl za podpory výzkumného záměru "Česká ekonomika v procesech integrace a globalizace a vývoj agrárního sektoru a sektoru služeb v nových podmínkách evropského integrovaného trhu".

Received: June 23, 2010; Published: July 17, 2014  Show citation

ACS AIP APA ASA Harvard Chicago IEEE ISO690 MLA NLM Turabian Vancouver
Poměnková, J. (2010). Cyclicality of industrial production in the context of time and frequency domain. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 58(6), 355-368. doi: 10.11118/actaun201058060355
Share...
Download citation
  • BibTeX (.bib)
  • Bookends (.ris)
  • EasyBib (.ris)
  • EndNote (.enw)
  • EndNote 8 (.xml)
  • ISI WoS (.isi)
  • Medlars (.medlars)
  • Mendeley (.ris)
  • MODS (.xml)
  • Papers (.ris)
  • RefWorks (.txt)
  • RefManager (.ris)
  • RIS (.ris)
  • MS Word (.xml)
  • Zotero (.ris)
    • Open full article

    References

    1. ANDĚL, J., 1976: Statistická analýza časových řad, Praha: SNTL, 271 s.
    2. ARTIS, M., MARCELLINO, M., PROIETTI, T., 2004: Characterising the Business Cycles for Accession countries. CEPR-EABCN Conference of Business Cycle and Acceding Countries, Vienna. Go to original source...
    3. BAXTER, R, KING, R. G., 1999: Measuring Business Cycles: Approximate Band - Pass Filters for Economic Time Series. Review of Economic and Statistics, Vol. 81, No. 4, pp. 575-593. DOI: 10.1162/003465399558454 Go to original source...
    4. BONENKAMP, J., JACOBS, J., KUPER, G. H., 2001: Measuring Business Cycles in the Netherlands, 1815-1913: A comparison of Business Cycle Dating Methods. SOM Research Report, No. 01C25, Systems, Organisation and Management, Groningen. Uversity of Groningen [online].
    5. BRY, G., BOSCHAN, C., 1971: Cyclical Analysisof Time Series: Selected Procedures and Computer Programs, Technical Paper 20, National Bureau of Economic Researche, New York.
    6. BURDA, M., WYPLOZS, C., 2001: Macroeconomics. A European text. 3rd ed. Oxford: Oxford University Press, 572 pp., ISBN 0-19-877650-0.
    7. CANOVA, F., 1998: De-trending and business cycle facts, Journal of monetary Economic, vol. 41, pp. 533-540. DOI: 10.1016/S0304-3932(98)00008-7 Go to original source...
    8. CANOVA, F., 1999: Does De-trending Matter for the Determination of the Reference Cycle nad Selection of Turniny Points?, The Economic Journal, Vol. 109, No. 452 (Jan., 1999), pp. 126-150. DOI: 10.1111/1468-0297.00395 Go to original source...
    9. DEJONG, N. D., CHETAN, D., 2007: Structural Macroeconometrics, Princeton University Press, New Jersey, 338 pp., ISBN-10: 0-691-12648-8.
    10. EUROSTAT, [cit. 2009-03-18] 2009: National Accounts (including GDP)} [on-line]. Dostupné na \texttt{http://epp.eurostat.ec.europa.eu/portal/page/portal/\\\national\}accounts/data/database}.
    11. GUAY, A. ST-AMANT, P., 1997: Do the Hodrick-Prescott and Baxter-king Filters Provide a Good Approximation of Business Cycles? Université a Québec á Montreál, Working paper No. 53.
    12. GREEN, W. H., 1997: Econometric Analyses. London: Prentice - Hall, 1997. 1076 s. ISBN 0-13-7246659-5.
    13. HAMILTON, J. D., 1994: Time Series Analysis. Princeton University Press, 799 pp., ISBN-10: 0-691-04289-6.
    14. HARDING, D., PAGAN, A., 2002: A comparison of Two Business Cycles Dating Methods. Journal of Economic Dynamics and Control. Vol. 27, p. 1681-1690. DOI: 10.1016/S0165-1889(02)00076-3 Go to original source...
    15. HARDING, D., PAGAN, A., 2006: Measurement of Business Cycles, Research paper number 966, Melbourne, 2006, ISSN 0819-2642.
    16. HÄRDLE, W., 1990: Applied Nonparametric Regression. Cambridge University Press, 349 p, ISBN 10: 0521429501. Go to original source...
    17. HOROVÁ, I., 2002: Optimization problems Connected with Kernel estimates, Signal processing, Communications and Computer Science. 2002 by World Scientific and Engineering Socitey Press, pp. 339-334.
    18. IACOBUCCI, A., NOULLEZ, A., 2005: A Frequency Selective Filter for Short-Length Time Series, Computational Economics, 25, 75-102. DOI: 10.1007/s10614-005-6276-7 Go to original source...
    19. KAPOUNEK, S., 2009: Estimation of the Business Cycles - Selected Methodological Problems of the Hodrick-Prescott Filter Application. Polish Journal of Environmental Studies. 2009. Vol. V, No. 6, p. 2. ISSN 1230-1485.
    20. POMĚNKOVÁ, J., 2005: Some aspects of regression function smoohting (1st ed.). Ostrava: PhD-thesis.
    21. POMĚNKOVÁ, J., 2008: Remarks to optimum kernels and boundary optimum kernels. Applications of Mathematics, 53, 4: 305-317. ISSN 0862-7940. DOI: 10.1007/s10492-008-0028-7 Go to original source...
    22. POMĚNKOVÁ, J, 2010: An alternative Approach to the Dating of Business Cycle: Nonparametric Kernel Estimation. Prague Economic Papers. 2010, Vol. 3, pp. 251-272, ISSN 1210-0455. DOI: 10.18267/j.pep.375 Go to original source...
    23. PROAKIS, J. G., RADER, Ch. M., Ling, F. L., NIKIAS, Ch. L., MOONEN, M., PROUDLER, J. K., 2002: Algorithms for Statistical Signal Processing, Prentice Hall, ISBN 0-13-062219-2.
    24. SEDDIGHI, H. R., LAWLER, K. A., KATOS., A. V., 2000: Econometrics. A practical approach. New York 2000, pp. 262-287.
    25. WAND, M. P., JONES, M. S., 1995: Kernel Smoothing (1st ed.). Chapman & Hall, London. Go to original source...
    26. WECKER, W., 1979: Predicting the turning points of a time series. Journal of Business, 52, pp. 35-50. DOI: 10.1086/296032 Go to original source...
    27. WOOLDRIDGE, J. M., 2003: Introductory Econometrics: A modern approach. Ohio 2003, pp. 863, ISBN 0-324-11364-1.

    This is an open access article distributed under the terms of the Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License (CC BY NC ND 4.0), which permits non-comercial use, distribution, and reproduction in any medium, provided the original publication is properly cited. No use, distribution or reproduction is permitted which does not comply with these terms.


    Return to the content