Essays on economic time series forecasting

Abstract

This dissertation comprises an introductory chapter and three essays on economic forecasting. The first essay addresses the topical question of whether it is possible topredict the occurrence of systemic banking crises, such as the financial crisis of 2008.The question is approached by using a method called exuberance test that can detectthe formation of rational asset price bubbles in time series information from variousmarket prices and aggregate debt stocks. A positive test result is interpreted as a potential pre-crisis period. The test can be used as an early warning system that signals increased risk of a systemic banking crisis. The essay studies the usefulnessof various time series, such as house prices, aggregate debt stocks and debt service measures for this purpose.

The second essay aims to improve the accuracy of univariate forecasts for macroeconomic and financial time series using a nonlinear model. The estimation method for the nonlinear models, the gradient boosting machine, is obtained fromthe machine learning literature. The boosting estimator provides a framework for estimating unknown prediction functions and selecting variables from a set of potential predictors. It can be considered as a nonparametric estimator that providesa more favourable bias-variance trade-off than other estimators. In the essay we showthat nonlinear modelling can improve the prediction performance for a meaningful share of macroeconomic variables. The result already established in the existingliterature, that linear prediction models dominate nonlinear models for the majorityof these time series, remains unchallenged. To remedy this issue, a two-stage estimator that combines the linear model and the nonlinear boosting model is proposed.

The third essay continues from the empirical setting of the second essay. Giventhe result that nonlinear modelling is beneficial for only a fraction of macroeconomictime series, it is necessary to find a practical testing procedure for selecting betweenthe linear and a nonlinear prediction approach. The essay draws on existing literature on tests of expected forecasting accuracy. The alternative test procedures are discussed on a theoretical level. Size and power properties are examined in a simulation study. Finally, the essay concludes in an empirical application, where theeffectiveness of the chosen test procedure is demonstrated.

Tämä väitöskirja koostuu johdantoluvusta sekä kolmesta esseestä, jotka käsittelevättaloudellisten aikasarjojen ennustamista. Ensimmäisessä esseessä tutkitaan, onko systeemisiä pankkikriisejä mahdollista ennustaa talouden kokonaisvelkamäärien sekä asunto- ja osakemarkkinoiden hinta-aikasarjojen perusteella. Tutkimuksessakäytetään menetelmää, jonka avulla voidaan testata rationaalisen hintakuplan esiintymistä tällaisissa aikasarjoissa. Testin perusteella ajanjaksot luokitellaan mahdollisesti kriisiä edeltäviin periodeihin. Esseessä esitettyjen tulosten perusteellatestiä voidaan soveltaa systeemisten pankkikriisien ennakkovaroitusjärjestelmänä.

Toinen essee käsittelee makrotaloudellisten aikasarjojen ennustamista. Esseessäpyritään parantamaan yhden muuttujan mallin ennustetarkkuutta käyttäen epälineaarista ennustemallia. Mallin estimointiin käytetään gradient boosting¬menetelmää, joka on lähtöisin koneoppimiskirjallisuudesta. Boosting menetelmän avulla voidaan estimoida annetun aikasarjan tuntematonta ennustefunktiota, jotensitä voidaan pitää epäparametrisena estimaattorina. Menetelmän etuna on sen muihinestimaattoreihin verrattuna edullisempi käyttäytyminen mallin monimutkaisuuden lisääntyessä. Esseessä osoitetaan, että epälineaarisen mallinnuksen avulla voidaan parantaa ennustetarkkuutta merkittävälle osalle makrotaloudellisista aikasarjoista. Samalla kuitenkin vahvistetaan myös aiemmin tunnettu tulos, jonka mukaan lineaarisen mallin ennustetarkkuus on parempi suurimmalle osalle tutkituista aikasarjoista. Esseessä esitetään kaksivaiheinen estimaattori, joka yhdistää lineaarisen mallin epälineaariseen boosting-mallin ja osoitetaan, että lineaarisen mallin yleiskäyttöisyys ja epälineaarisen mallin tarkkuusetu voidaan saavuttaa sen avulla.

Kolmanessa esseessä tutkitaan ennustemallin valintaa. Koska lineaarisen jaepälineaarisen mallin suhteellinen ennustetarkkus vaihtelee eri aikasarjoilla, syntyy tarve löytää käytännöllinen proseduuri, jolla mallien odotettua tarkkuutta voidaan arvioida ennen ennusteen tekemistä. Esseessä käydään läpi kirjallisuuden tarjoamat vaihtoehdot mallien odotetun ennustetarkkuuden testaamiseen. Testausmenetelmien ominaisuuksia, testin kokoa ja voimakkuutta, tutkitaan simulaatioiden avulla. Lopuksi esseessä osoitetaan valitun testausproseduurin toimivuus soveltaen sitä makrotalousaikasarjojen ennustemallin valintaan.