Táto diplomová práca sa zaoberá novým prístupom k zhlukovaniu časových rád na základe dynamického faktorového modelu. Dynamický faktorový model je technika redukujúca dimenziu a rozširuje klasickú faktorovú analýzu o požiadavku autokorelačnej štruktúry latentných faktorov. Parametre modelu sa odhadujú pomocou EM algoritmu za použitia Kalmanovho filtra a vyhladzovača a taktiež sú aplikované nevyhnutné podmienky na model, aby sa stal identifikovateľným. Po tom, ako je v práci predstavený teoretický koncept prístupu, dynamický faktorový model je aplikovaný na skutočné pozorované časové rady a práca skúma jeho správanie a vlastnosti na jednomesačných meteorologických dátach požiarneho indexu (Fire Weather Index) na 108 požiarnych staniciach umiestnených v Britskej Kolumbii. Postup výpočtu modelu odhadne záťažovú maticu (loadings matrix) spolu so zodpovedajúcim malým počtom latentných faktorov a kovariačnou maticou modelovaných časových rád. Diplomová práca aplikuje k-means zhlukovanie na výslednú záťažovú maticu a ponúka rozdelenie meteorologických staníc do zhlukov založené na redukovanej dimenzionalite pôvodných dát. Vďaka odhadnutým priemerom zhlukov a odhadnutým latentným faktorom je možné získať aj priemerné trendy každého zhluku. Následne sú dosiahnuté výsledky porovnané s výsledkami získanými na dátach z rovnakých staníc avšak iného mesiaca, aby sa stanovila stabilita zhlukovania. Práca sa taktiež zaoberá efektom varimax rotácie záťažovej matice. Diplomová práca naviac navrhuje metódu detekovania odľahlých časových rád založenú na odhadnutej kovariačnej matici modelu a rozoberá dôsledky odľahlých hodnôt na odhanutý model.

Diese Dissertation befasst sich mit europäischer und US-amerikanischer Konjunkturgeschichte und Marktintegration im 19. und 20. Jahrhundert. Zur Analyse von konjunkturellen Schwankungen stellt sie der weitverbreiteten Historischen Volkswirtschaftlichen Gesamtrechnung (VGR) die Methode dynamischer Faktoranalyse zur Seite, die dazu beiträgt, die begrenzten historischen Zeitreihen effizient zu nutzen. Die nationale und internationale Entwicklung von Weizenmärkten seit dem Ende der Napoleonischen Kriege wird mit einem multivariaten dynamischen Faktormodell untersucht. Spektralanalyse wird zur Berechnung frequenzspezifischer Kohärenz von historischen Börsenindizes und konkurrierenden Schätzungen des Nationalprodukts in Deutschland zwischen 1850 und 1913 herangezogen. Ein wichtiges Ergebnis ist, dass Finanzdaten die Datierung der Konjunktur im Deutschen Kaiserreich erleichtern, was auch durch die Ergebnisse der Faktoranalyse bestätigt wird. Der verwendete Aktienindex, einzelne reale Konjunkturindikatoren und der dynamische Faktor korrelieren eng miteinder. Die Bildung sektoraler Sub-Indizes zeigt, dass der Übergang von einer landwirtschaftlich zu einer industriell geprägten Volkswirtschaft vermutlich früher geschehen ist als Beschäftigungsanteile aus der Historischen VGR vermuten lassen. Die Untersuchung der U.S.-Konjunktur ergibt die Annahme zeitvariierender Strukturparameter eine Erhöhung der Konjunkturschwankungsbreite nach dem 2. Weltkrieg verglichen mit der Zeit vor dem 1. Weltkrieg. Für die Weizenmarktintegration in Europa zeigt sich, dass die Entwicklung vor der Mitte des 19. Jahrhunderts schneller voran ging als danach, was eine Neuinterpretation der Rolle von Technologien wie dem Metallrumpf und dem Dampfschiff sowie dem Eintritt Amerikas als Weizenproduzenten nahelegt. / This thesis addresses historical business cycles and market integration in Europe and America in the 19th and 20th centuries. For the analysis of historical business cycles, the widely used methodology of historical national accounting is complemented with a dynamic factor model that allows for using scarce historical data efficiently. In order to investigate how national and international markets developed since the early 1800s, a multivariate dynamic factor model is used. Spectral analysis helps in measuring frequency specific correlation between financial indicators and rivaling national income estimates for Germany between 1850 and 1913. One result is that the historical stock market index used helps to discriminate between competing estimates of German national income. A dynamic factor estimated from a broad time series data set confirms this result. Sub-indices for agriculture and industry suggest that the German economy industrialized earlier than evidence from national accounting shows. The finding for the U.S. business cycle is that relaxing the assumption of constant structural parameters yields higher postwar aggregate volatility relative to the period before World War I. Concerning market integration, it is found that European wheat markets integrated faster before mid-19th century than after. Thus, the impact of the metal hull and steam ship as well as the relevance of American wheat for the world wheat market have perhaps been overstated.

Diese Arbeit besteht aus vier Essays, die empirische und methodische Beiträge zur Messung von Konjunkturzyklen und deren Zusammenhänge zu demographischen Variablen liefern. Der erste Essay analysiert unter Zuhilfenahme eines Bayesianischen Dynamischen Faktormodelles die Volatilität des US-amerikanischen Konjunkturzyklus seit 1867. In dem Essay wird gezeigt, dass die Volatilität in der Periode vor dem Ersten Weltkrieg und nachdem Zweiten Weltkrieg niedriger war als in der Zwischenkriegszeit. Eine geringere Volatilität für die Periode nach dem Zweiten Weltkrieg im Vergleich zu der Periode vor dem Ersten Weltkrieg kann nicht bestätigt werden. Der zweite Essay hebt die Bayesianischen Eigenschaften bezüglich dynamischer Faktormodelle hervor. Der Essay zeigt, dass die ganze Analyse hindurch - im Gegensatz zu klassischen Ansätzen - keine Annahmen an die Persistenz der Zeitreihen getroffen werden muss. Des Weiteren wird veranschaulicht, wie im Bayesianischen Rahmen die Anzahl der Faktoren bestimmt werden kann. Der dritte Essay entwickelt einen neuen Ansatz, um altersspezifische Sterblichkeitsraten zu modellieren. Kovariate werden mit einbezogen und ihre Dynamik wird gemeinsam mit der von latenten Variablen, die allen Alterklassen zugrunde liegen, modelliert. Die Resultate bestätigen, dass makroökonomische Variablen Prognosekraft für die Sterblichkeit beinhalten. Im vierten Essay werden makroökonomischen Zeitreihen zusammen mit altersspezifischen Sterblichkeitsraten einer strukturellen Analyse unterzogen. Es wird gezeigt, dass sich die Sterblichkeit von jungen Erwachsenen in Abhängigkeit von Konjunkturzyklen deutlich von den der anderen Alterklassen unterscheidet. Daher sollte in solchen Analysen, um Scheinkorrelation vorzubeugen, zwischen den einzelnen Altersklassen differenziert werden. / The thesis consists of four essays, which make empirical and methodological contributions to the fields of business cycle analysis and demography. The first essay presents insights on U.S. business cycle volatility since 1867 derived from a Bayesian dynamic factor model. The essay finds that volatility increased in the interwar periods, which is reversed after World War II. While evidence can be generated of postwar moderation relative to pre-1914, this evidence is not robust to structural change, implemented by time-varying factor loadings. The second essay scrutinizes Bayesian features in dynamic index models. The essay shows that large-scale datasets can be used in levels throughout the whole analysis, without any pre-assumption on the persistence. Furthermore, the essay shows how to determine the number of factors accurately by computing the Bayes factor. The third essay presents a new way to model age-specific mortality rates. Covariates are incorporated and their dynamics are jointly modeled with the latent variables underlying mortality of all age classes. In contrast to the literature, a similar development of adjacent age groups is assured, allowing for consistent forecasts. The essay demonstrates that time series of covariates contain predictive power for age-specific rates. Furthermore, it is observed that in particular parameter uncertainty is important for long-run forecasts, implicating that ignoring parameter uncertainty might yield misleadingly precise predictions. In the fourth essay the model developed in the third essay is utilized to conduct a structural analysis of macroeconomic fluctuations and age-specific mortality rates. The results reveal that the mortality of young adults, concerning business cycles, noticeably differ from the rest of the population. This implies that differentiating closely between particular age classes, might be important in order to avoid spurious results.

Diese Arbeit besteht aus vier Essays, die empirische und methodische Beiträge zu den Gebieten der Finanzmarktökonomik und der Makroökonomik liefern. Der erste Essay beschäftigt sich mit der Spezifikation der Investoren verfügbaren Informationsmenge in Tests bedingter Kapitalmarktmodelle. Im Speziellen schlägt es die Verwendung dynamischer Faktoren als Instrumente vor. Diese fassen per Konstruktion die Information in einer Vielzahl von Variablen zusammen und stellen daher intuitive Maße für die Investoren zur Verfügung stehenden Informationen dar. Es wird gezeigt, dass so die Schätzfehler bedingter Modelle im Vergleich zu traditionellen, auf einzelnen Indikatoren beruhenden Modellvarianten substantiell verringert werden. Ausgehend von Ergebnissen, dass die Zentralbank zur Festlegung des kurzfristigen Zinssatzes eine große Menge an Informationen berücksichtigt, wird im zweiten Essay im Rahmen eines affinen Zinsstrukturmodells eine ähnliche Idee verwandt. Speziell wird die Dynamik des kurzfristigen Zinses im Rahmen einer Faktor-Vektorautoregression modelliert. Aufbauend auf dieser dynamischen Charakterisierung der Geldpolitik wird dann die Zinsstruktur unter der Annahme fehlender Arbitragemöglichkeiten hergeleitet. Das resultierende Modell liefert bessere Vorhersagen US-amerikanischer Anleihenzinsen als eine Reihe von Vergleichsmodellen. Der dritte Essay analysiert die Vorhersagekraft der Zinsstrukturkomponenten "level", "slope", und "curvature" im Rahmen eines dynamischen Faktormodells für makroökonomische und Zinsdaten. Das Modell wird mit einem Metropolis-within-Gibbs Sampling Verfahren geschätzt, und Überraschungsänderungen der drei Komponenten werden mit Hilfe von Null- und Vorzeichenrestriktionen identifiziert. Die Analyse offenbart, dass der "curvature"-Faktor informativer in Bezug auf die zukünftige Entwicklung der Zinsstruktur und der gesamtwirtschaftlichen Aktivität ist als bislang vermutet. Der vierte Essay legt eine monatliche Chronologie der Konjunkturzyklen im Euro-Raum vor. Zunächst wird mit Hilfe einer verallgemeinerten Interpolationsmethode eine monatliche Zeitreihe des europäischen BIP konstruiert. Anschließend wird auf diese Zeitreihe ein Datierungsverfahren angewandt, das kurze und flache Konjunkturphasen ausschließt. / This thesis consists of four essays of independent interest which make empirical and methodological contributions to the fields of financial economics and macroeconomics. The first essay deals with the proper specification of investors’ information set in tests of conditional asset pricing models. In particular, it advances the use of dynamic factors as conditioning variables. By construction, dynamic factors summarize the information in a large number of variables and are therefore intuitively appealing proxies for the information set available to investors. The essay demonstrates that this approach substantially reduces the pricing errors implied by conditional models with respect to traditional approaches that use individual indicators as instruments. Following previous evidence that the central bank uses a large set of conditioning information when setting short-term interest rates, the second essay employs a similar insight in a model of the term structure of interest rates. Precisely, the dynamics of the short-term interest rate are modelled using a Factor-Augmented Vector-Autoregression. Based on this dynamic characterization of monetary policy, the term structure of interest rates is derived under the assumption of no-arbitrage. The resulting model is shown to provide superior out-of-sample forecasts of US government bond yields with respect to a number of benchmark models. The third essay analyzes the predictive information carried by the yield curve components level, slope, and curvature within a joint dynamic factor model of macroeconomic and interest rate data. The model is estimated using a Metropolis-within-Gibbs sampling approach and unexpected changes of the yield curve components are identified employing a combination of zero and sign restrictions. The analysis reveals that the curvature factor is more informative about the future evolution of the yield curve and of economic activity than has previously been acknowledged. The fourth essay provides a monthly business cycle chronology for the Euro area. A monthly series of Euro area real GDP is constructed using an interpolation routine that nests previously suggested approaches as special cases. Then, a dating routine is applied to the interpolated series which excludes business cycle phases that are short and flat.

La tesis engloba tres capítulos: el primero sobre fertilidad y "calidad" infantil, el segundo sobre planificación familiar y salud infantil, y el tercero sobre la estimación de un indicador de la actividad económica agregada regional. Concretamente, el primer capítulo examina empíricamente usando un modelo de diferencia-en-diferencias con efectos fijos, cómo un aumento inesperado de riqueza (proveniente de una transferencia intergeneracional) afecta a la fertilidad y la inversión de los padres en la calidad de los hijos. Se encuentra un efecto negativo en la cantidad de hijos junto a un efecto positivo en la calidad de los hijos demandados por los hogares. Estos efectos ocurren en diferentes momentos del tiempo para la muestra completa. En el corto plazo se observa una reducción de la fertilidad mientras que en el largo plazo se observa un aumento de la inversión en calidad infantil. También se encuentra un efecto positivo en la inversión en calidad infantil a corto plazo para las parejas que ya tenían hijos. En el segundo capítulo se evalúa una política, estudiando el impacto de haber sido expuesto a un programa de planificación familiar que promovió la anticoncepción quirúrgica/esterilización por primera vez en Perú (Programa de Salud Reproductiva y Planificación Familiar o PNSRPF, 1996- 2000). Los resultados muestran un mayor uso de métodos anticonceptivos temporales y permanentes entre las mujeres expuestas al programa y un menor riesgo de mortalidad infantil entre sus hijos. Este efecto es, en parte, debido a la prolongación de la lactancia materna. Finalmente, en el tercer capítulo se estima un indicador resumen de la actividad económica agregada, en frecuencia mensual, para las regiones españolas. Se utiliza un Modelo de Factores Dinámico dada la escasez de datos a nivel regional. Los indicadores estimados muestran la heterogeneidad del sistema productivo entre regiones a través de la inclusión de diferentes variables con el fin de reflejar con mayor precisión la evolución económica regional. Los indicadores obtenidos son especialmente útiles para estimar el impacto económico del reciente brote de COVID 19 a nivel regional en España. / Esta tesis ha sido elaborada con la financiación concedida por el Ministerio de Ciencia e Innovación (ECO2014-58434-P).

In den letzten Jahren gab es ein drastisches Wachstum in verfügbaren Finanzdaten. Finanzmärkte haben starke und oft nicht ganz vorhersagbare Änderungen ihrer Dynamik erlebt. Diese Tendenz hat dazu geführt, dass die Methoden der Risikomodellierung sowohl das Problem der hohen Dimensionalität als auch dynamische nicht Gaußsche Strukturen behandeln müssen. Das Ziel dieser Dissertation ist es, Methoden der Risikomodellierung vorzuschlagen, die gleichzeitig Reduzierung der Dimensionalität und dynamische Struktur in drei Anwendungen erlauben: 1) Asset Allocation und Hedging, 2) stochastische Modellierung von multivariaten Prozessen, 2) Messung der systemischen Risiken. Die vorgeschlagenen Methoden demonstrieren gute Ergebnisse im Vergleich mit den existierenden Methoden der Risikomodellierung und führen neue Verfahren zur Erkennung der extremen Risiken und Anomalien auf Finanzmärkten sowie zur deren Management. / Over the recent years, there have been a significant increase in financial data availability. On the other hand, financial markets have experienced sharp and often unforeseen changes in their dynamics. This tendency has caused the need for risk modeling approaches addressing both high dimensionality problem and accustoming for dynamic non Gaussian structure. The primary aim of this dissertation is to propose several risk modeling approaches which allow for simultaneous dimension reduction and dynamic structures in three setups: 1) asset allocation and hedging, 2) stochastic surface modeling and 3) systemic risk determination. Proposed models demonstrate good performance when compared to existing approaches for risk modeling and introduce new flexible ways to detect extreme risks and anomalies on financial markets as well as methods for their modeling and management.

Cette thèse est dédiée à une classe particulière de modèles à facteurs dynamiques non linéaires, les modèles à facteurs dynamiques à changement de régime markovien (MS-DFM). Par la combinaison des caractéristiques du modèle à facteur dynamique et celui du modèle à changement de régimes markoviens(i.e. la capacité d’agréger des quantités massives d’information et de suivre des processus fluctuants), ce cadre s’est révélé très utile et convenable pour plusieurs applications, dont le plus important est l’analyse des cycles économiques.La connaissance de l’état actuel des cycles économiques est crucial afin de surveiller la santé économique et d’évaluer les résultats des politiques économiques. Néanmoins, ce n’est pas une tâche facile à réaliser car, d’une part, il n’y a pas d’ensemble de données et de méthodes communément reconnus pour identifier les points de retournement, d’autre part, car les institutions officielles annoncent un nouveau point de retournement, dans les pays où une telle pratique existe, avec un délai structurel de plusieurs mois.Le MS-DFM est en mesure de résoudre ces problèmes en fournissant des estimations de l’état actuel de l’économie de manière rapide, transparente et reproductible sur la base de la composante commune des indicateurs macroéconomiques caractérisant le secteur réel.Cette thèse contribue à la vaste littérature sur l’identification des points de retournement du cycle économique dans trois direction. Dans le Chapitre 3, on compare les deux techniques d’estimation de MS-DFM, les méthodes en une étape et en deux étapes, et on les applique aux données françaises pour obtenir la chronologie des points de retournement du cycle économique. Dans Chapitre 4, sur la base des simulations de Monte Carlo, on étudie la convergence des estimateurs de la technique retenue - la méthode d’estimation en deux étapes, et on analyse leur comportement en échantillon fini. Dans le Chapitre 5, on propose une extension de MS-DFM - le MS-DFM à l’influence dynamique (DI-MS-DFM)- qui permet d’évaluer la contribution du secteur financier à la dynamique du cycle économique et vice versa, tout en tenant compte du fait que l’interaction entre eux puisse être dynamique. / This thesis is dedicated to the study of a particular class of non-linear Dynamic Factor Models, the Dynamic Factor Models with Markov Switching (MS-DFM). Combining the features of the Dynamic Factor model and the Markov Switching model, i.e. the ability to aggregate massive amounts of information and to track recurring processes, this framework has proved to be a very useful and convenient instrument in many applications, the most important of them being the analysis of business cycles.In order to monitor the health of an economy and to evaluate policy results, the knowledge of the currentstate of the business cycle is essential. However, it is not easy to determine since there is no commonly accepted dataset and method to identify turning points, and the official institutions announce a newturning point, in countries where such practice exists, with a structural delay of several months. The MS-DFM is able to resolve these issues by providing estimates of the current state of the economy in a timely, transparent and replicable manner on the basis of the common component of macroeconomic indicators characterizing the real sector. The thesis contributes to the vast literature in this area in three directions. In Chapter 3, I compare the two popular estimation techniques of the MS-DFM, the one-step and the two-step methods, and apply them to the French data to obtain the business cycle turning point chronology. In Chapter 4, on the basis of Monte Carlo simulations, I study the consistency of the estimators of the preferred technique -the two-step estimation method, and analyze their behavior in small samples. In Chapter 5, I extend the MS-DFM and suggest the Dynamical Influence MS-DFM, which allows to evaluate the contribution of the financial sector to the dynamics of the business cycle and vice versa, taking into consideration that the interaction between them can be dynamic.

The thesis, entitled "Essays on macroeconometrics and short-term forecasting",<p>is composed of three chapters. The first two chapters are on nowcasting,<p>a topic that has received an increasing attention both among practitioners and<p>the academics especially in conjunction and in the aftermath of the 2008-2009<p>economic crisis. At the heart of the two chapters is the idea of exploiting the<p>information from data published at a higher frequency for obtaining early estimates<p>of the macroeconomic variable of interest. The models used to compute<p>the nowcasts are dynamic models conceived for handling in an efficient way<p>the characteristics of the data used in a real-time context, like the fact that due to the different frequencies and the non-synchronicity of the releases<p>the time series have in general missing data at the end of the sample. While<p>the first chapter uses a small model like a VAR for nowcasting Italian GDP,<p>the second one makes use of a dynamic factor model, more suitable to handle<p>medium-large data sets, for providing early estimates of the employment in<p>the euro area. The third chapter develops a topic only marginally touched<p>by the second chapter, i.e. the estimation of dynamic factor models on data characterized by block-structures.<p>The firrst chapter assesses the accuracy of the Italian GDP nowcasts based<p>on a small information set consisting of GDP itself, the industrial production<p>index and the Economic Sentiment Indicator. The task is carried out by using<p>real-time vintages of data in an out-of-sample exercise over rolling windows<p>of data. Beside using real-time data, the real-time setting of the exercise is<p>also guaranteed by updating the nowcasts according to the historical release calendar. The model used to compute the nowcasts is a mixed-frequency Vector<p>Autoregressive (VAR) model, cast in state-space form and estimated by<p>maximum likelihood. The results show that the model can provide quite accurate<p>early estimates of the Italian GDP growth rates not only with respect<p>to a naive benchmark but also with respect to a bridge model based on the<p>same information set and a mixed-frequency VAR with only GDP and the industrial production index.<p>The chapter also analyzes with some attention the role of the Economic Sentiment<p>Indicator, and of soft information in general. The comparison of our<p>mixed-frequency VAR with one with only GDP and the industrial production<p>index clearly shows that using soft information helps obtaining more accurate<p>early estimates. Evidence is also found that the advantage from using soft<p>information goes beyond its timeliness.<p>In the second chapter we focus on nowcasting the quarterly national account<p>employment of the euro area making use of both country-specific and<p>area wide information. The relevance of anticipating Eurostat estimates of<p>employment rests on the fact that, despite it represents an important macroeconomic<p>variable, euro area employment is measured at a relatively low frequency<p>(quarterly) and published with a considerable delay (approximately<p>two months and a half). Obtaining an early estimate of this variable is possible<p>thanks to the fact that several Member States publish employment data and<p>employment-related statistics in advance with respect to the Eurostat release<p>of the euro area employment. Data availability represents, nevertheless, a<p>major limit as country-level time series are in general non homogeneous, have<p>different starting periods and, in some cases, are very short. We construct a<p>data set of monthly and quarterly time series consisting of both aggregate and<p>country-level data on Quarterly National Account employment, employment<p>expectations from business surveys and Labour Force Survey employment and<p>unemployment. In order to perform a real time out-of-sample exercise simulating<p>the (pseudo) real-time availability of the data, we construct an artificial<p>calendar of data releases based on the effective calendar observed during the first quarter of 2012. The model used to compute the nowcasts is a dynamic<p>factor model allowing for mixed-frequency data, missing data at the beginning<p>of the sample and ragged edges typical of non synchronous data releases. Our<p>results show that using country-specific information as soon as it is available<p>allows to obtain reasonably accurate estimates of the employment of the euro<p>area about fifteen days before the end of the quarter.<p>We also look at the nowcasts of employment of the four largest Member<p>States. We find that (with the exception of France) augmenting the dynamic<p>factor model with country-specific factors provides better results than those<p>obtained with the model without country-specific factors.<p>The third chapter of the thesis deals with dynamic factor models on data<p>characterized by local cross-correlation due to the presence of block-structures.<p>The latter is modeled by introducing block-specific factors, i.e. factors that<p>are specific to blocks of time series. We propose an algorithm to estimate the model by (quasi) maximum likelihood and use it to run Monte Carlo<p>simulations to evaluate the effects of modeling or not the block-structure on<p>the estimates of common factors. We find two main results: first, that in finite samples modeling the block-structure, beside being interesting per se, can help<p>reducing the model miss-specification and getting more accurate estimates<p>of the common factors; second, that imposing a wrong block-structure or<p>imposing a block-structure when it is not present does not have negative<p>effects on the estimates of the common factors. These two results allow us<p>to conclude that it is always recommendable to model the block-structure<p>especially if the characteristics of the data suggest that there is one. / Doctorat en Sciences économiques et de gestion / info:eu-repo/semantics/nonPublished