February 17, 2020

Estimation of the Financial Cycle with a Rank-Reduced Multivariate State-Space Model

We propose a model-based method to estimate a unique financial cycle based on a rank-restricted multivariate state-space model. This permits us to use mixed-frequency data, allowing for longer sample periods. In our model the financial cycle dynamics are captured by an unobserved trigonometric cycle component.
primary image uk 740x420

We identify a single financial cycle from the multiple time series by imposing rank reduction on this cycle component. The rank reduction can be justified based on a principal components argument. The model also includes unobserved components to capture the business cycle, time-varying seasonality, trends, and growth rates in the data. In this way we can control for these effects when estimating the financial cycle. We apply our model to US and Dutch data and conclude that a bivariate model of credit and house prices is sufficient to estimate the financial cycle.

Inmiddels hebben wij al aanwijzingen gevonden dat de financiële cyclus invloed heeft op de effectiviteit van begrotingsbeleid: De impact van de financiële cyclus op begrotingsbeleid

In dit onderzoek wordt de dynamiek van de financiële cyclus bepaald door een trigonometrische cycluscomponent. We identificeren één financiële cyclus op basis van meerdere tijdreeksen door rangreductie op te leggen aan deze cycluscomponent. Het model bevat ook andere componenten om de invloeden van de conjunctuurcyclus, seizoensinvloeden, trends en groeivoeten te kunnen opvangen. Op deze manier kunnen we voor deze effecten controleren bij het schatten van de financiële cyclus. We passen ons model toe op Amerikaanse en Nederlandse data en concluderen dat een model op basis van krediet en huizenprijzen voldoende is om de financiële cyclus te schatten.

Authors

Read more about