Wavelet Analysis of Economic Time Series
(2008) In Lund Economic Studies 149.- Abstract
- Economic theory commonly distinguishes between different time horizons such as the short run and the long run. Models with many time horizons are easily studied in the frequency domain, because the various time horizons are associated with a particular frequency or band of frequencies. This dissertation studies wavelet methods to analyze time series. Wavelet transforms combine time and frequency resolution, which is an important property of the transform, implying that the wavelet transform can decompose time series that contain non-recurring events, such as regime changes and outliers, into frequency components without misrepresentation.
Chapter 2 of the dissertation introduces a new estimator for cointegrated panel data models.... (More) - Economic theory commonly distinguishes between different time horizons such as the short run and the long run. Models with many time horizons are easily studied in the frequency domain, because the various time horizons are associated with a particular frequency or band of frequencies. This dissertation studies wavelet methods to analyze time series. Wavelet transforms combine time and frequency resolution, which is an important property of the transform, implying that the wavelet transform can decompose time series that contain non-recurring events, such as regime changes and outliers, into frequency components without misrepresentation.
Chapter 2 of the dissertation introduces a new estimator for cointegrated panel data models. The estimator uses first-differenced data to avoid spurious regressions, and the properties of the wavelet domain to identify different time horizons in the data and to estimate a separate model for each. Simulations show that the proposed estimator is better than common cointegration estimators.
Chapter 3 focuses on whether long run money growth contains information about future headline inflation. The analysis shows that money and inflation are related one-to-one in the long run and that there is approximately a two year lag between an increase in the money stock and inflation.
Chapter 4 introduces a new estimate of core inflation. Inflation is a monetary phenomenon in the long run, but not in the short run. Core inflation is a short run estimate of the monetary inflation rate. Existing estimates of core inflation often fail to account for relative price changes when they estimate core inflation and are therefore likely to be poor estimates of monetary inflation. The proposed estimate of monetary inflation accounts for relative price changes and uses a wavelet based signal extraction algorithm to estimate the monetary inflation rate.
Chapter 5, co-authored with Thomas Elger, studies freight transportation activity in Sweden and relates it to key economic variables. It shows that there is a strong correlation between short run and medium run fluctuations in the economy and freight transportation. There is also a relationship in the long run, but it is not as strong as for the shorter horizons.
The Technical Appendix at the end of the dissertation discusses the frequency domain, Fourier transforms, and wavelet transforms in general. (Less) - Abstract (Swedish)
- Popular Abstract in Swedish
Ekonomisk teori delar ofta in ekonomin i olika tidshorisonter, som till exempel kortsikt, medelfristigsikt och långsikt. Det är ofta enklare att empiriskt studera modeller med många tidshorisonter i frekvensdomänen än i tidsdomänen eftersom varje horisont representeras av en specifik frekvens eller ett band av frekvenser. Denna avhandling använder wavelet analys för att studera ekonomiska tidsserier. En av wavelet analysens viktiga egenskaper är att den kombinerar tids- och frekvensresolution. Det betyder att en wavelet transformation kan dekomponera tidsserier som innehåller oregelbundenheter, som till exempel strukturella brott, i frekvenskomponenter.
Avhandlingens andra kapitel... (More) - Popular Abstract in Swedish
Ekonomisk teori delar ofta in ekonomin i olika tidshorisonter, som till exempel kortsikt, medelfristigsikt och långsikt. Det är ofta enklare att empiriskt studera modeller med många tidshorisonter i frekvensdomänen än i tidsdomänen eftersom varje horisont representeras av en specifik frekvens eller ett band av frekvenser. Denna avhandling använder wavelet analys för att studera ekonomiska tidsserier. En av wavelet analysens viktiga egenskaper är att den kombinerar tids- och frekvensresolution. Det betyder att en wavelet transformation kan dekomponera tidsserier som innehåller oregelbundenheter, som till exempel strukturella brott, i frekvenskomponenter.
Avhandlingens andra kapitel introducerar en ny estimator för icke-stationära panel data modeller. Estimatorn använder första differenser för att undvika spurious results, och en wavelet transformation för att identifiera olika tidshorisonter och estimera en separat modell för varje. Simuleringsresultat visar att estimatorn är mer effektiv än vanligt förekommande estimatorer när den sanna modellen innehåller mer än en tidshorisont och den är den enda estimatorn som kan identifierar alla tidshorisonter.
Kapitel tre analyserar långsiktiga inflationsindikatorer. Analysen visar att det finns ett klart samband mellan penningtillväxt och inflation på långsikt och att detta samband är stabilt över tiden och för alla länder som ingår i studien. Transmissionsmekanismen varar cirka två år vilket innebär att monetära inflationsindikatorer innehåller viktig information om den framtida inflationsutvecklingen.
Kapitel fyra introducerar ett nytt mått på underliggande inflation. Inflation skapas av centralbankens penningpolitik på långsikt, men på kortsikt kan även andra faktorer påverka inflationstakten. Många centralbanker använder sig därför av ett mått på underliggande inflation. Skillnaden mellan underliggande inflation och KPI-inflation är att den underliggande inflationen skattar den monetära inflationen som centralbanken har skapat. Många existerande mått på underliggande inflation ignorerar relativprisförändringar när de skattar den underliggande inflationen. Kapitel fyra introducerar därför ett nytt mått på underliggande inflation som använder sig av en wavelet baserad signal estimerings algoritm. Det nya måttet på underliggande inflation tar även hänsyn till relativprisförändringar genom att använda vägningstalen från KPI när den genomsnittliga inflationstakten skattas.
Kapitel fem är samförfattat med Thomas Elger. Kapitlet studerar hur transportarbetet i Sverige påverkas av den ekonomiska utvecklingen på kort-, medelfristig- och långsikt. Studien visar att det finns ett samband mellan ekonomisk utveckling och transportarbetet på långsikt, men att även andra faktorer har en inverkan. På kort- och medelfristig sikt är sambandet starkare mellan ekonomiska variabler och transportarbetet, vilket betyder att det är viktigt att ta hänsyn till svängningar i ekonomin (och därmed svängningar i transportarbetet) när man planerar infrastrukturinvesteringar. Att bara ta hänsyn till den långsiktiga trenden när man planerar framtida infrastruktursatsningar kan betyda att det uppstår köer och flaskhalsar under högkonjunktur. Det långsiktiga resultatet indikerar även att man har ännu inte lyckats bryta kopplingen mellan ekonomisk utveckling och transportarbetet vilket har viktiga konsekvenser för Sveriges möjligheter att uppnå våra miljöåtaganden i framtiden.
Avhandlingen avslutat med ett teknisktappendix som diskuterar frekvensdomänen, Fouriertransformationer och waveletanalys av ekonomiska tidsserier. (Less)
Please use this url to cite or link to this publication:
https://lup.lub.lu.se/record/1269286
- author
- Andersson, Fredrik N G LU
- supervisor
- opponent
-
- Professor Shukur, Ghazi, Internationella Handelshögskolan, Jönköping
- organization
- publishing date
- 2008
- type
- Thesis
- publication status
- published
- subject
- keywords
- freight transportation activity, wavelet analysis, cointegration, inflation, bandspectrum regression, money, coreinflation
- in
- Lund Economic Studies
- volume
- 149
- pages
- 184 pages
- publisher
- Department of Economics, Lund University
- defense location
- Ekonomihögskolan, Lunds Universitet, EC3:211
- defense date
- 2008-12-20 10:15:00
- external identifiers
-
- scopus:69949180454
- ISSN
- 0460-0029
- language
- English
- LU publication?
- yes
- id
- 5292d7c1-3cf8-4346-97f8-da1020c37f4a (old id 1269286)
- date added to LUP
- 2016-04-01 13:34:08
- date last changed
- 2022-04-21 22:20:30
@phdthesis{5292d7c1-3cf8-4346-97f8-da1020c37f4a,
abstract = {{Economic theory commonly distinguishes between different time horizons such as the short run and the long run. Models with many time horizons are easily studied in the frequency domain, because the various time horizons are associated with a particular frequency or band of frequencies. This dissertation studies wavelet methods to analyze time series. Wavelet transforms combine time and frequency resolution, which is an important property of the transform, implying that the wavelet transform can decompose time series that contain non-recurring events, such as regime changes and outliers, into frequency components without misrepresentation. <br/><br>
Chapter 2 of the dissertation introduces a new estimator for cointegrated panel data models. The estimator uses first-differenced data to avoid spurious regressions, and the properties of the wavelet domain to identify different time horizons in the data and to estimate a separate model for each. Simulations show that the proposed estimator is better than common cointegration estimators. <br/><br>
Chapter 3 focuses on whether long run money growth contains information about future headline inflation. The analysis shows that money and inflation are related one-to-one in the long run and that there is approximately a two year lag between an increase in the money stock and inflation. <br/><br>
Chapter 4 introduces a new estimate of core inflation. Inflation is a monetary phenomenon in the long run, but not in the short run. Core inflation is a short run estimate of the monetary inflation rate. Existing estimates of core inflation often fail to account for relative price changes when they estimate core inflation and are therefore likely to be poor estimates of monetary inflation. The proposed estimate of monetary inflation accounts for relative price changes and uses a wavelet based signal extraction algorithm to estimate the monetary inflation rate. <br/><br>
Chapter 5, co-authored with Thomas Elger, studies freight transportation activity in Sweden and relates it to key economic variables. It shows that there is a strong correlation between short run and medium run fluctuations in the economy and freight transportation. There is also a relationship in the long run, but it is not as strong as for the shorter horizons. <br/><br>
The Technical Appendix at the end of the dissertation discusses the frequency domain, Fourier transforms, and wavelet transforms in general.}},
author = {{Andersson, Fredrik N G}},
issn = {{0460-0029}},
keywords = {{freight transportation activity; wavelet analysis; cointegration; inflation; bandspectrum regression; money; coreinflation}},
language = {{eng}},
publisher = {{Department of Economics, Lund University}},
school = {{Lund University}},
series = {{Lund Economic Studies}},
title = {{Wavelet Analysis of Economic Time Series}},
volume = {{149}},
year = {{2008}},
}