کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5098346 1478693 2015 21 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
What does financial volatility tell us about macroeconomic fluctuations?
ترجمه فارسی عنوان
فراریت (بی ثباتی) مالی چه چیزی را در مورد نوسانات کلان اقتصادی به ما می گوید؟
کلمات کلیدی
بی ثباتی مالی - اطلاعات در زمان واقعی - آزمون توانایی پیش بینی - مدل عامل پویا - سوئیچینگ مارکوف
فهرست مطالب مقاله
چکیدهکلمات کلیدی1.مقدمه2. داده ها و معیارهای فراریت3. حرکت و جنبش در فراریتجدول 1: همبستگی های بین معیارهای فراریت مالی و مجموعه فعالیت های کلان اقتصادی4. پیش بینی فعالیت کلان اقتصادی با استفاده از فراریت مالی4.1 آزمون های درون نمونه ایشکل 1: معیارهای فراریت. توضیح: برای تعاریف متغیرها به متن اصلی نگاه کنید. مناطق حاشور خورده نمایانگر بحران های اقتصادی NBER هستند.جدول 2: برآوردهای پارامترها برای مدل عامل پویای فراریت هاشکل 2: عامل مشترک فراریت. توضیح: مناطق حاشور زده نمایانگر بحران های اقتصادی NBER هستند.جدول 3: آزمون های درون نمونه ای برای رشد تولید صنعتی: نمونۀ کامل (ژانویۀ 1986 تا جولای 2014)جدول 4: آزمون های درون نمونه ای برای رشد تولید صنعتی: نمونۀ فرعی 1 (ژانویۀ 1986 تا دسامبر 1999)4.2 پیش بینی های خارج از نمونه در زمان واقعیجدول 5: آزمون های درون نمونه ای برای رشد تولید صنعتی: نمونۀ فرعی 2 (ژانویۀ 2000 تا جولای 2014)جدول 6: آزمون های درون نمونه ای برای رشد اشتغال: نمونۀ کامل (ژانویۀ 1986 تا جولای 2014)جدول 7: آزمون های درون نمونه ای برای رشد اشتغال: نمونۀ فرعی 1 (ژانویۀ 1986 تا دسامبر 1999)5. روش های فراریتجدول 8: آزمون های درون نمونه ای برای رشد اشتغال: نمونۀ فرعی 2 (ژانویۀ 1986 تا جولای 2014)جدول 9: آزمون های خارج از نمونه برای رشد تولید صنعتی: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های اولیهجدول 10: آزمون های خارج از نمونه برای رشد تولید صنعتی: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های نهاییجدول 11: آزمون های خارج از نمونه برای رشد اشتغال: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های اولیهجدول 12: آزمون های خارج از نمونه برای رشد اشتغال: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های نهاییجدول 13: آزمون های خارج از نمونه برای رشد تولید صنعتی: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های اولیهجدول 14: آزمون های خارج از نمونه برای رشد تولید صنعتی: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های نهاییجدول 15: آزمون های خارج از نمونه برای رشد اشتغال: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های اولیهجدول 16: آزمون های خارج از نمونه برای رشد اشتغال: مدل غیرآشیانه ای ارزیایی مبتنی بر تحقق داده های نهاییجدول 17: برآوردهای پارامتر مدل عامل پویای غیرخطی فراریت هاشکل 3: احتمالات نمونۀ کامل روش فراریت بالا: مناطق حاشور زده نمایانگر بحران های اقتصادی NBER هستند شکل 4: احتمالات نمونۀ کامل فیلترشده و بازگشتی روش فراریت بالا: مناطق حاشور زده نمایانگر بحران های اقتصادی NBER هستند 6. نتیجه گیریضمیمۀ A. منابع داده هاضمیمۀ B. آزمون های آماری 
ترجمه چکیده
ما تحلیل گسترده ای از توانایی پیش بینی فراریت (بی ثباتی، تغییرپذیری) مالی برای فعالیت های اقتصادی را ارائه می دهیم. ما معیارهای فراریت ضمنی و تحقق یافتۀ حاصل از بازارهای بورس و اوراق قرضه را به طور ماهانه مورد توجه و بررسی قرار می دهیم. ما در یک چارچوب عامل پویا، مؤلفۀ بلندمدت معمول فراریت که احتمالا با اصول اقتصادی در ارتباط است را استخراج می کنیم. ما همچنین بر اساس آزمون های قدرتمند توانایی پیش بینی دریافتیم که معیارهای فراریت بورس و عامل معمول و متداول، پیش بینی های کلان اقتصادی از شاخص های مالی متداول، به ویژه در افق های کوتاه مدت را بطور قابل توجهی بهبود می بخشد. یک ارزیابی خارج از نمونه، نتایج مشابهی را تحت فرضیۀ تجدید نظرهای پرسروصدا در داده های کلان اقتصادی ارائه داده است. ما در توسعۀ غیرخطی مدل عامل پویا، دو روش مجزای فراریت را شناسایی می کنیم و نشان می دهیم که روش فراریت بالا، علامت های (سیگنال) اولیۀ رکود بزرگ را ارائه می دهد، که با ناتوانی مالی شدید و کاهش اعتبار در ارتباط است.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات کنترل و بهینه سازی
پیش نمایش مقاله
فراریت (بی ثباتی) مالی چه چیزی را در مورد نوسانات کلان اقتصادی به ما می گوید؟
چکیده انگلیسی
We provide an extensive analysis of the predictive ability of financial volatility for economic activity. We consider monthly measures of realized and implied volatility from the stock and bond markets. In a dynamic factor framework, we extract the common long-run component of volatility that is likely to be linked to economic fundamentals. Based on powerful in-sample predictive ability tests, we find that the stock volatility measures and the common factor significantly improve macroeconomic forecasts of conventional financial indicators, especially over short horizons. A real-time out of sample assessment yields similar conclusions under the assumption of noisy revisions in macroeconomic data. In a nonlinear extension of the dynamic factor model, we identify two distinct volatility regimes, and show that the high-volatility regime provides early signals of the Great Recession, which was associated with severe financial distress and credit disintermediation.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Economic Dynamics and Control - Volume 52, March 2015, Pages 340–360
نویسندگان
, , ,