On Automating and Extending Construction of Business Cycle Composite Indicators

Lenka Vraná

Doctoral thesis

Automatizace a rozšíření výpočtů kompozitních ukazatelů pro analýzu hospodářského cyklu

Abstract:

Kompozitní ukazatele jsou velmi rozšířenou metodou pro analýzu hospodářského cyklu, protože je lze velmi snadno interpretovat i přesto, že se skládají z mnoha ekonomických indikátorů. Tyto ukazatele lze rozdělit na předstihové, souběžné a zpožďující se podle jejich vztahu k referenční časové řadě (většinou HDP nebo index průmyslové produkce). Nejčastěji se sestavují předstihové kompozitní ukazatele, protože dokáží predikovat budoucí stavy ekonomické aktivity.Metodika konstrukce kompozitních ukazatelů byla v minulosti detailně popsána několika organizacemi a vždy závisela na mnoha subjektivních rozhodnutích a expertních znalostech jejích tvůrců. Tato práce navrhuje novou algoritmickou metodu, která umožní plně automatizovat celý proces výpočtu. Díky tomuto přístupu mohou být kompozitní ukazatele vytvořeny rychleji, než kteroukoliv jinou dostupnou metodou, je snížen vliv subjektivních rozhodnutí a zároveň usnadněna kontrola celého výpočetního procesu.Tato disertační práce založená na metodách výpočetní statistiky popisuje úpravy metodiky, které je nutné provést, aby bylo možné výpočty kompozitních ukazatelů automatizovat. Srovnává výsledky s předstihovými ukazateli, které pravidelně publikuje Organizace pro hospodářskou spolupráci a rozvoj (OECD), a ukazuje, že celý proces výpočtu skutečně může být automatizován. Porovnání kompozitních ukazatelů probíhá pomocí nově navržených pravidel, které zajišťují objektivitu výsledků. Tato práce také popisuje, jak rozšířit metodiku OECD, aby se zvýšila kvalita vytvořených kompozitních ukazatelů a aby bylo možné analyzovat vztahy mezi hospodářskými cykly více zemí.

Abstract:

Composite indicators are a widespread method for business cycle analysis, especially because they can be easily interpreted although they summarize multidimensional relationships between individual economic time series. The composite indicators can be divided into leading, coincident and lagging ones with regard to the reference time series (usually GDP or industrial production index). The composite leading indicators (CLIs) are the most frequently constructed type of these indicators as they can predict the future states of the economic activity.The methodology of the composite indicators construction is described in detail by several organizations and it is always based on many subjective expert choices and decisions. This thesis proposes a new algorithmic approach which enables to fully automate the whole computational process. This method allows to create the composite indicators faster than any other available technique and it replaces the subjectivity of choices and increases tractability of the calculations.This thesis, based on computational statistics, aims to describe the modifications that are needed to fully automate the construction of the composite indicators. It compares the results with the CLIs which are regularly published by the Organization for Economic Co-operation and Development (OECD) and shows, that the process can be automated. A simple set of rules is designed to enable objective comparison between two composite indicators. This thesis also suggests how to extend the OECD methodology to improve the CLIs performance and to analyse the relationships between the business cycles of multiple countries.

Keywords

analýza hospodářského cyklu, kompozitní ukazatele, algoritmizace, automatizace výpočtů v Pythonu

Keywords

business cycle analysis, composite indicators, algorithmic approach, automation of computational process in Python

Language used: English

Date on which the thesis was submitted / produced: 1. 10. 2012

Thesis defence

• Date of defence: 18. 9. 2019
• Supervisor: Markéta Arltová
• Reader: Jan Kodera, Tomáš Formánek, Jiří Vopravil

Vysoká škola ekonomická v Praze

Doctoral programme / field:
Kvantitativní metody v ekonomice / Statistika