A new approach to dating the reference cycle

Abstract

Este trabajo propone un nuevo procedimiento para estimar el fechado de los cambios de fase (picos y valles) en un ciclo económico de referencia, a partir del fechado de los cambios de fase en los ciclos económicos específicos de un conjunto amplio de indicadores económicos coincidentes. Cada pareja de picos y de valles específicos, obtenida a partir de esos indicadores, se considera una realización de una mixtura de un número no especificado de distintas distribuciones gaussianas bivariantes, cuyas esperanzas son los picos y los valles del ciclo de referencia. Las transiciones se modelizan a partir de una cadena de Markov equivalente a un modelo de múltiples cambios estructurales. Los parámetros se estiman con técnicas bayesianas. Con simulaciones de Monte Carlo, se muestra la capacidad del modelo para fechar los cambios de fase de los ciclos económicos de referencia generados, que incluyen características cíclicas muy diversas. Además, se ilustra el funcionamiento empírico del modelo para determinar el fechado histórico del ciclo de referencia de Estados Unidos a partir de un conjunto de indicadores económicos, y se obtienen picos y valles muy similares a los del NBER. Por último, se realiza un análisis en pseudo tiempo real, donde se muestran la precisión y la rapidez en la detección de los puntos de cambio de fase cíclica

This paper proposes a new approach to the analysis of the reference cycle turning points, defined on the basis of the specific turning points of a broad set of coincident economic indicators. Each individual pair of specific peaks and troughs from these indicators is viewed as a realization of a mixture of an unspecified number of separate bivariate Gaussian distributions whose different means are the reference turning points. These dates break the sample into separate reference cycle phases, whose shifts are modeled by a hidden Markov chain. The transition probability matrix is constrained so that the specification is equivalent to a multiple changepoint model. Bayesian estimation of finite Markov mixture modeling techniques is suggested to estimate the model. Several Monte Carlo experiments are used to show the accuracy of the model to date reference cycles that suffer from short phases, uncertain turning points, small samples and asymmetric cycles. In the empirical section, we show the high performance of our approach to identifying the US reference cycle, with little difference from the timing of the turning point dates established by the NBER. In a pseudo real-time analysis, we also show the good performance of this methodology in terms of accuracy and speed of detection of turning point dates