Detailansicht
The predictive power of leading economic indicators: An analysis in time and frequency domain
Michael Wüger
Art der Arbeit
Diplomarbeit
Universität
Universität Wien
Fakultät
Fakultät für Wirtschaftswissenschaften
Betreuer*in
Robert Kunst
DOI
10.25365/thesis.12114
URN
urn:nbn:at:at-ubw:1-29179.28954.358053-5
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In den letzten Jahren gewannen konjunkturelle Vorlaufindikatoren immer stärker an Gewicht. Sowohl in medialer als auch wissenschaftlicher Hinsicht sind sie zu wichtigen Werkzeugen für die Erstellung von Wirtschaftsprognosen geworden. Die Frage ob und wie gut konjunkturelle Vorlaufindikatoren wirklich zum besseren Verständnis zukünftiger Ereignisse beitragen können, ist allerdings weitgehend unerforscht. Dieser Umstand liefert die Motivation zur Analyse der Prognosefähigkeit von ausgewählten Indikatoren um dadurch die Sinnhaftigkeit ihrer Erstellung genauer zu hinterfragen.
In der vorliegenden Diplomarbeit werden einige der wichtigsten Vorlaufindikatoren im europäischen Raum (Ifo Index, Konsumentenvertrauen und DAX) erläutert und analysiert. Mittels verschiedener statistischer Modelle wird getestet ob ein kausaler Zusammenhang zwischen den jeweiligen Vorlaufindikatoren und der Produktionsleistung innerhalb der Volkswirtschaft besteht.
Um die Kausalitätsfrage zu beantworten werden zunächst gängige Zeitreihenmodelle (time domain) verwendet. Dabei wird das Konzept der sogenannten Granger-Kausalität auf die Fragestellung der Prognosefähigkeit von konjunkturellen Vorlaufindikatoren angewandt.
Im zweiten Teil der Arbeit werden zusätzlich Methoden der Spektralanalyse herangezogen, Diese ermöglichen es den Zusammenhang zwischen konjunkturellen Vorlaufindikatoren und Produktion über verschiedene Frequenzintervalle zu bestimmen (frequency domain). Dadurch soll genauer untersucht werden, in welchen Frequenzkomponenten der Vorlaufindikatoren nützliche Informationen für die Erklärung zukünftiger wirtschaftlicher Entwicklungen enthalten sind.
Abstract
(Englisch)
In recent years leading economic indicators have become more and more important. Nowadays, the entire media landscape follows the development of these measures and their information content is often used by economists whenever future predictions are needed. Despite the fact that leading economic indicators are heavily utilized, their real predictive power is almost uninvestigated. This provides the motivation for analysing whether leading economic indicators are really useful tools for forecasting the upcoming economic development.
The present diploma thesis covers and analyses some of the most important leading indicators in Europe (Ifo Index, Consumer Confidence and German Stock Index). Various statistical methods are used in order to test if there is a link between these measures and the upcoming production within the economy.
In the first part of the analysis the well-known time series models are implemented. In the process the concept of Granger Causality is applied for investigating the existence of a causal relation between leading economic indicators and production in the time domain.
Furthermore, in the second part spectral methods are utilized to get a more insightful view on the topic. These methods allow the formal decomposition of the data in their basic components, which enables me to investigate the relation of leading indicators and production over different frequencies. In this way it is possible to determine the exact frequency bands in which leading indicators contain useful information for the explanation of future economic developments.
Schlagwörter
Schlagwörter
(Englisch)
Ifo index Consumer Confidence DAX Production Causality Fourier-Analysis
Schlagwörter
(Deutsch)
Ifo Index Konsumentenvertrauen DAX Produktion Kausalität Fourier-Analyse
Autor*innen
Michael Wüger
Haupttitel (Englisch)
The predictive power of leading economic indicators: An analysis in time and frequency domain
Publikationsjahr
2010
Umfangsangabe
61 S.
Sprache
Englisch
Beurteiler*in
Robert Kunst
Klassifikation
83 Volkswirtschaft > 83.00 Volkswirtschaft: Allgemeines
AC Nummer
AC08733283
Utheses ID
10918
Studienkennzahl
UA | 140 | | |