Upload
primo-stella
View
215
Download
0
Embed Size (px)
Citation preview
1
12 aprile 2005
Approximate Dynamic Factor Models: sviluppi della teoria e applicazioni –
parte prima
Andrea Brasili
Strategie e Studi – UniCredit Banca d’Impresa
2
12 aprile 2005
Indice
• Stock-Watson papers on diffusion indexes
• Empirical application: inflation or IP
forecasts
• Determining the number of factors: Bai-Ng
•Empirical application: common and
local/industrial components
• A digression: the EM algorithm
• Primi cenni: principal components in the
frequency domain
3
12 aprile 2005
Dynamic factor model
C’è una crescente letteratura che cerca di rispondere alla questione di come riassumere le informazioni contenute in cross section ampie.
Due metodologie:
Stock e Watson (1999) componenti principali “statiche”Forni Hallin Lippi Reichlin (1999)componenti principali dinamiche
4
12 aprile 2005
Dynamic factor model
Si tratta sostanzialmente di riassumere l’informazione contenuta nelle serie disponibili in uno spazio più piccolo. Favero Marcellino (2003) mostrano che non vi sono differenze di performance sostanziali tra i due approcci quando lo scopo è generare un indicatore a scopo previsivo (es. Forecasting inflation SW 1999)
5
12 aprile 2005
Dynamic factor model
Xt = ΛFt + et
di dimensioni
(N*T) = (N*r) * (r*T) + (r*T)Con la finalità di prevedere
Yt+1 = β’Ft + εt+1
6
12 aprile 2005
Dynamic factor model II
Per la stima è necessario risolvere questo problema di ottimizzazione:
V(k) = min(NT)-1ΣNi=1 ΣT
t=1 (Xit – λ’kiFk
t)2
s.t.
Λk’Λk/N = Ik or Fk’Fk/T = Ik
7
12 aprile 2005
Dynamic factor model III
La matrice dei fattori stimati è uguale a √T che moltiplica i k più grandi autovalori di XX’.
Stimata F, Λ sarà data semplicemente da
V(k) = max tr(Fk’(XX’)Fk)
…concentrating out Λk this is equal to
Λ = (Fk’Fk)-1Fk’X
8
12 aprile 2005
Dynamic factor model IV
Xt = Commont + idiosynct
Xt = ΛFt + et
Questo, seguendo SW 1999, ricomprende la più generale rappresentazione in cui
F0t = (ft, ft-1….. ft-q)
Tenendo presente che in ogni caso i fattori non sono identificati, cioè vale
Xt = ΛG’GFt + et dove G’G = I
9
12 aprile 2005
Dynamic factor model II
yht+h = β0 + Σm
j=1β’0Ft-j+1 + Σpj=1βγjzt-j+1 + εh
t+h
Four differences rispetto alla slide 5: dependent variable in h-step growth; lags of z (lagged transformed values of the variable of interest); there is an intercept; m-i lags of Ft (the estimated factors) are introduced.
10
12 aprile 2005
Riferimenti bibliografici
• J. Bai, S. Ng, (2002), Determining the number of factors in approximate factor models, Econometrica, Vol. 70, N 1, pp. 191-221
• J. H. Stock, M.W. Watson, (1989), New indexes of coincident and leading
economic indicators, “NBER macroeconomics Annual”, 4, pp 351-393; • J. H. Stock, M.W. Watson, (1999), Diffusion indexes, “NBER WP 6702”
• J. H. Stock, M.W. Watson, (1999), Forecasting inflation, Journal of monetary economics 44. pp.293-335
• J. H. Stock, M.W. Watson, (2004), Forecasting with many predictors, prepared for the Handbook of economic forecasting
• Camacho M. and I. Sancho (2003) “Spanish diffusion indexes”, Spanish economic review, Vol. 5, No. 3, 2003, pp. 173-203
• Angelini E., J Henry, R. Mestre (2001) “Diffusion index-based forecasts for the euro area”, ECB Working Paper num. 61, April 2001.
11
12 aprile 2005
Applicazione 1: la previsione dell’inflazione o della produzione
industriale
12
12 aprile 2005
Data set
IT CPI EXCLUDING TOBACCO (FOI) NADJIT CPI - ALCOHOLIC BEVERAGES, TOBACCO & NARCOTICS NADJIT CPI - CLOTHING & FOOTWEAR NADJIT CPI - COMMUNICATIONS NADJIT CPI - EDUCATION NADJIT CPI - ENERGY NADJIT CPI - FOOD & NON ALCOHOLIC BEVERAGES NADJIT CPI-FURNISHINGS & HOUSEHOLD EQUIPMENT & MANTNC. OF HOUSE NADJIT CPI - GOODS (OVERAL INDEX EXCLUDING SERVICES) NADJIT CPI - RESTAURANTS & HOTELS NADJIT CPI - HEALTH NADJIT CPI - MISCELLANEOUS GOODS & SERVICES NADJIT CPI - RECREATION AND CULTURE NADJIT CPI - TRANSPORT NADJIT CPI - HOUSING, WATER, ELECTRICTY, GAS & OTHER FUELS NADJIT PPI: FOOD PRODUCTS BEVERAGES & TOBACCO NADJIT PPI: TEXTILES & TEXTILE PRODUCTS NADJIT PPI: LEATHER & LEATHER PRODUCTS NADJIT PPI: WOOD, WOOD PRODUCTS & CORK EXCEPT FURNITURENADJIT PPI: PULP,PAPER & PAPER PRODUCTS - PUBLISHING & PRINTING NADJIT PPI: COKE, REFINED PETROLEUM PRODUCTS & NUCLEAR FUEL NADJIT PPI: CHEMICALS, CHEMICAL PRODUCTS & MAN-MADE FIBRES NADJIT PPI: RUBBER & PLASTIC PRODUCTS NADJIT PPI: OTHER NON-METALLIC MINERAL PRODUCTS NADJIT PPI: BASIC METALS & FABRICATED METAL PRODUCTS NADJIT PPI: MACHINERY & EQUIPMENT - OTHER NADJIT PPI: ELECTRICAL & OPTICAL EQUIPMENT NADJIT PPI: TRANSPORT EQUIPMENT NADJIT PPI: FURNITURE MANUFACTURING - OTHER NADJIT PPI: FURNITURE MANUFACTURING NADJ
Produzione industrialeIntermedistrumentaliconsumo durevoliconsumo non durevoliConsumoEnergia Estraz.mineraliAttività manifatturiereAlimentariTessileCalzatureLegnoCartaCokeChimicaGommaNon-metalliferiMetallurgiaMacchineElettronicaMezzi trasp.AltreMobiliEnergiaTotale
Prezzi
IT REAL EFFECTIVE EXCHANGE RATE INDEX - CPI BASED SADJITLITALY INTERBANK 3 MTH (LDN:BBA)- OFFERED RATEIT GOVERNMENT BONDS - 10-YEAR(GROSS)m3 BRENTfat_totfat_totsafat_domfat_domsafat_estfat_estsaordordsaord_domord_domsaord_forord_forsaIT IMPORT VOLUME INDEX VOLNIT IMPORTS CIF CURNIT EXPORT VOLUME INDEX VOLNIT EXPORTS FOB CURN
...altro
13
12 aprile 2005
Data set
Per un totale di 73 serie, dal 1991:2 al 2005:1 (wow! very up-to-date!). I dati sono a frequenza mensile e il campione è balanced, completo, non ci sono NA.N<T ma sono entrambi abbastanza grandi (with respect to empirical applications in literature).
14
12 aprile 2005
Bai and Ng criteria
Per determinare il numero di fattori da utilizzare è ormai consolidato l’utilizzo dei criteri di Bai ed Ng. Questi sono basati sulla formulazione di una funzione di penalty che introduca un costo per l’overfitting, nell’ipotesi (certa) che un modello con k+1 fattori non possa adattarsi ai dati meno bene di uno con k. Due famiglie di criteri, PCp (panel Cp criteria) ICp (information Cp criteria)
15
12 aprile 2005
Bai and Ng criteria
PCp (panel Cp criteria) ICp (information Cp criteria)
PC(k) = V(k,Festk)+kg(N,T)
PCp1(k) = V(k,Festk)+kσest(kmax)2((N+T)/NT)ln(NT/(N+T))
ICp1(k) = ln(V(k,Festk))+k((N+T)/NT)ln(NT/(N+T))
16
12 aprile 2005
Bai and Ng criteria
Factors pcp1 pcp2 pcp3 icp1 icp2 icp3
1 0.79001 0.79362 0.78055 -0.20986 -0.20271 -0.22857
2 0.74513 0.75236 0.72621 -0.25147 -0.23718 -0.28889
3 0.7329 0.74374 0.70452 -0.25436 -0.23292 -0.31049
4 0.73047 0.74492 0.69263 -0.24675 -0.21817 -0.32159
5 0.73111 0.74918 0.68381 -0.23834 -0.20261 -0.33189
6 0.73348 0.75516 0.67672 -0.23129 -0.18841 -0.34355
17
12 aprile 2005
applicazione 1
• Quanta varianza spiegano i fattori comuni?• Cosa accade utilizzando più lags delle variabili
nel data set? • A quali serie sono legati i fattori?• Come si formula il modello previsivo?
18
12 aprile 2005
Matlab
E-views
19
12 aprile 2005
-0.1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
IT C
PI
EX
CLU
DIN
GIT
CP
I -
IT C
PI
- C
LOT
HIN
GIT
CP
I -
IT C
PI
-IT
CP
I -
EN
ER
GY
IT C
PI
- F
OO
D &
IT C
PI-
IT C
PI
- G
OO
DS
IT C
PI
-IT
CP
I -
HE
ALT
HIT
CP
I -
IT C
PI
-IT
CP
I -
IT C
PI
- H
OU
SIN
G,
IT P
PI:
FO
OD
IT P
PI:
TE
XT
ILE
S &
IT P
PI:
LE
AT
HE
R &
IT P
PI:
WO
OD
,IT
PP
I:IT
PP
I: C
OK
E,
IT P
PI:
IT P
PI:
RU
BB
ER
&IT
PP
I: O
TH
ER
IT P
PI:
BA
SIC
IT P
PI:
IT P
PI:
IT P
PI:
IT P
PI:
IT P
PI:
Inte
rmed
ist
rum
enta
lico
nsum
o du
revo
lico
nsum
o no
nC
onsu
mo
Ene
rgia
Est
raz.
min
eral
iA
ttiv
itàA
limen
tari
Tes
sile
Cal
zatu
reLe
gno
Car
taC
oke
Chi
mic
aG
omm
aN
on-m
etal
lifer
iM
etal
lurg
iaM
acch
ine
Ele
ttro
nica
Mez
zi t
rasp
.A
ltre
Mob
iliE
nerg
iaT
otal
eIT
RE
AL
ITL
ITA
LY I
NT
ER
BA
NK
IT G
OV
ER
NM
EN
Tm
3 B
RE
NT
fat_
tot
fat_
tots
afa
t_do
mfa
t_do
msa
fat_
est
fat_
ests
aor
dor
dsa
ord_
dom
ord_
dom
saor
d_fo
ror
d_fo
rsa
IT I
MP
OR
TIT
IM
PO
RT
S C
IFIT
EX
PO
RT
IT E
XP
OR
TS
FO
B
Factor1
20
12 aprile 2005
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
IT C
PI
EX
CLU
DIN
GIT
CP
I -
IT C
PI
- C
LOT
HIN
GIT
CP
I -
IT C
PI
-IT
CP
I -
EN
ER
GY
IT C
PI
- F
OO
D &
IT C
PI-
IT C
PI
- G
OO
DS
IT C
PI
-IT
CP
I -
HE
ALT
HIT
CP
I -
IT C
PI
-IT
CP
I -
IT C
PI
- H
OU
SIN
G,
IT P
PI:
FO
OD
IT P
PI:
TE
XT
ILE
SIT
PP
I: L
EA
TH
ER
&IT
PP
I: W
OO
D,
IT P
PI:
IT P
PI:
CO
KE
,IT
PP
I:IT
PP
I: R
UB
BE
R &
IT P
PI:
OT
HE
RIT
PP
I: B
AS
ICIT
PP
I:IT
PP
I:IT
PP
I:IT
PP
I:IT
PP
I:In
term
edi
stru
men
tali
cons
umo
dure
voli
cons
umo
non
Con
sum
oE
nerg
ia E
stra
z.m
iner
ali
Att
ività
Alim
enta
riT
essi
leC
alza
ture
Legn
oC
arta
Cok
eC
him
ica
Gom
ma
Non
-met
allif
eri
Met
allu
rgia
Mac
chin
eE
lett
roni
caM
ezzi
tra
sp.
Altr
eM
obili
Ene
rgia
Tot
ale
IT R
EA
LIT
LIT
ALY
IN
TE
RB
AN
KIT
GO
VE
RN
ME
NT
m3
BR
EN
Tfa
t_to
tfa
t_to
tsa
fat_
dom
fat_
dom
safa
t_es
tfa
t_es
tsa
ord
ords
aor
d_do
mor
d_do
msa
ord_
for
ord_
fors
aIT
IM
PO
RT
IT I
MP
OR
TS
CIF
IT E
XP
OR
TIT
EX
PO
RT
S F
OB
Factor2
21
12 aprile 2005
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
IT C
PI
EX
CLU
DIN
GIT
CP
I -
IT C
PI
- C
LOT
HIN
GIT
CP
I -
IT C
PI
-IT
CP
I -
EN
ER
GY
IT C
PI
- F
OO
D &
IT C
PI-
IT C
PI
- G
OO
DS
IT C
PI
-IT
CP
I -
HE
ALT
HIT
CP
I -
IT C
PI
-IT
CP
I -
IT C
PI
- H
OU
SIN
G,
IT P
PI:
FO
OD
IT P
PI:
TE
XT
ILE
SIT
PP
I: L
EA
TH
ER
&IT
PP
I: W
OO
D,
IT P
PI:
IT P
PI:
CO
KE
,IT
PP
I:IT
PP
I: R
UB
BE
R &
IT P
PI:
OT
HE
RIT
PP
I: B
AS
ICIT
PP
I:IT
PP
I:IT
PP
I:IT
PP
I:IT
PP
I:In
term
edi
stru
men
tali
cons
umo
dure
voli
cons
umo
non
Con
sum
oE
nerg
ia E
stra
z.m
iner
ali
Att
ività
Alim
enta
riT
essi
leC
alza
ture
Legn
oC
arta
Cok
eC
him
ica
Gom
ma
Non
-met
allif
eri
Met
allu
rgia
Mac
chin
eE
lett
roni
caM
ezzi
tra
sp.
Altr
eM
obili
Ene
rgia
Tot
ale
IT R
EA
LIT
LIT
ALY
IN
TE
RB
AN
KIT
GO
VE
RN
ME
NT
m3
BR
EN
Tfa
t_to
tfa
t_to
tsa
fat_
dom
fat_
dom
safa
t_es
tfa
t_es
tsa
ord
ords
aor
d_do
mor
d_do
msa
ord_
for
ord_
fors
aIT
IM
PO
RT
IT I
MP
OR
TS
CIF
IT E
XP
OR
TIT
EX
PO
RT
S F
OB
Factor3
22
12 aprile 2005
Applicazione 2: estrazione di componenti comuni e componenti nazionali da un
indicatore di rischiosità
23
12 aprile 2005
How to disentangle common and idiosyncratic components
ttt FY )(
ijt
ijt
ijt
ijt INEY )(
Where Y is our cross section of n elements (regional activity indicators, or industry-specific indicators, or firms’ balance sheet data)
And F are the common factors (r << n)
24
12 aprile 2005
Co-movements in EU banks’ fragility:a dynamic factor model approach
Andrea Brasili – Giuseppe Vulpes
UniCredit Banca d’ImpresaResearch Department
1st ICEEE
Venice 24-25 January 2005
25
12 aprile 2005
Riferimenti bibliografici
• Forni M. and L. Reichlin (1998) “Let’s Get Real: A Dynamic Factor Analytic Approach to Disaggregated Business Cycle”, Review of Economic Studies, 65, pp. 453-473
• Forni M. and L. Reichlin (2001) “Federal Policies and Local Economies: Europe and the US”, European Economic Review 45 pp 109-134.
• Forni M., M. Hallin, M. Lippi and L. Reichlin (2000) “The Generalised Dynamic Factor Model: Identification and Estimation”, The Review of economics and statistics 82 pp 540-554
• Pain D. and J. Vesala (2004) “Driving factors of credit risk in Europe”, mimeo, European Central Bank
• Vulpes and Brasili
26
12 aprile 2005
Applicazione 3: estrazione di componenti comuni e componenti locali/settoriali
27
12 aprile 2005
SECTORIAL ANALYSIS
The role of the European, Sectorial,
National and Idiosyncratic components in
the New Europe industrial sector dynamics
28
12 aprile 2005
A digression: the EM algorithm
29
12 aprile 2005
EM algorithm
Nel caso di variabili mancanti o serie incomplete, se si dispone cioè di un panel non bilanciato, la stima diviene:
V†(F, Λ) = min(NT)-1ΣNi=1 ΣT
t=1 Iit(Xit – λ’kiFk
t)2
dove Iit = 1 se Xit è osservato, 0 altrimenti. La J-esima iterazione è calcolata come
Q(X†,Fj-1,Λj-1,F,Λ) = EFj-1,Λj-1[V (F, Λ)|X†]