An essay on mixed-frequency data, aggregated time series, and causality

Detalhes bibliográficos
Autor(a) principal: Chaves, Rafael Bernardoni
Data de Publicação: 2024
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/278762
Resumo: Entender as complexidades das relações econômicas é crucial para formuladores de políticas, pesquisadores e analistas. A agregação temporal, onde a frequência de geração de dados excede a frequência de coleta de dados, apresenta desafios significativos na análise econômica. Essa discrepância pode levar a realizações não observáveis do processo estocástico original, afetando as propriedades dos dados de séries temporais. Abordar esses desafios é vital para detectar e interpretar com precisão as relações causais entre variáveis econômicas. Nossa pesquisa visa identificar como a agregação temporal pode interferir na detecção de causalidade entre séries temporais. Também demonstramos como um teste de causalidade Sims modificado pode ser empregado para detectar causalidade em modelos de frequências mistas. Nossas simulações de Monte Carlo mostram boas propriedades de tamanho e poder para amostras finitas. Finalmente, testamos a causalidade entre o PIB dos EUA e indicadores macroeconômicos mensais.
id URGS_513e44252b22e36c42f908f60dfc3f6e
oai_identifier_str oai:www.lume.ufrgs.br:10183/278762
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Chaves, Rafael BernardoniTaufemback, Cleiton Guollo2024-09-11T06:16:51Z2024http://hdl.handle.net/10183/278762001210368Entender as complexidades das relações econômicas é crucial para formuladores de políticas, pesquisadores e analistas. A agregação temporal, onde a frequência de geração de dados excede a frequência de coleta de dados, apresenta desafios significativos na análise econômica. Essa discrepância pode levar a realizações não observáveis do processo estocástico original, afetando as propriedades dos dados de séries temporais. Abordar esses desafios é vital para detectar e interpretar com precisão as relações causais entre variáveis econômicas. Nossa pesquisa visa identificar como a agregação temporal pode interferir na detecção de causalidade entre séries temporais. Também demonstramos como um teste de causalidade Sims modificado pode ser empregado para detectar causalidade em modelos de frequências mistas. Nossas simulações de Monte Carlo mostram boas propriedades de tamanho e poder para amostras finitas. Finalmente, testamos a causalidade entre o PIB dos EUA e indicadores macroeconômicos mensais.Temporal aggregation, where the data generation frequency exceeds the data collection frequency, poses significant challenges in economic analysis. This discrepancy can lead to unobservable realizations of the original stochastic process, which in turn affects the properties of time series data. Consequently, addressing these challenges is crucial for accurately detecting and interpreting causal relationships between economic variables. In our research, we aim to identify how temporal aggregation can interfere with the detection of causality between time series. Furthermore, we demonstrate the application of a modified Sims causality test to detect causality in mixed-frequency models. Our Monte Carlo simulations indicate that this test exhibits good finite sample size and power properties. Finally, we apply our methodology to test the causality between U.S. GDP and macroeconomic monthly indicators.application/pdfporSéries temporaisAgregação temporalCausalidadeTime seriesTemporal aggregationGranger causalitySims causalityAn essay on mixed-frequency data, aggregated time series, and causalityinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática e EstatísticaPrograma de Pós-Graduação em EstatísticaPorto Alegre, BR-RS2024mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001210368.pdf.txt001210368.pdf.txtExtracted Texttext/plain65634http://www.lume.ufrgs.br/bitstream/10183/278762/2/001210368.pdf.txtbc4e1b6dc8b0df8c6a047d2f5b99712dMD52ORIGINAL001210368.pdfTexto completo (inglês)application/pdf469983http://www.lume.ufrgs.br/bitstream/10183/278762/1/001210368.pdf9b46c4fd7dfeb33e339d7197bd228bf2MD5110183/2787622024-09-11 06:24:48.874oai:www.lume.ufrgs.br:10183/278762Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532024-09-11T09:24:48Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv An essay on mixed-frequency data, aggregated time series, and causality
title An essay on mixed-frequency data, aggregated time series, and causality
spellingShingle An essay on mixed-frequency data, aggregated time series, and causality
Chaves, Rafael Bernardoni
Séries temporais
Agregação temporal
Causalidade
Time series
Temporal aggregation
Granger causality
Sims causality
title_short An essay on mixed-frequency data, aggregated time series, and causality
title_full An essay on mixed-frequency data, aggregated time series, and causality
title_fullStr An essay on mixed-frequency data, aggregated time series, and causality
title_full_unstemmed An essay on mixed-frequency data, aggregated time series, and causality
title_sort An essay on mixed-frequency data, aggregated time series, and causality
author Chaves, Rafael Bernardoni
author_facet Chaves, Rafael Bernardoni
author_role author
dc.contributor.author.fl_str_mv Chaves, Rafael Bernardoni
dc.contributor.advisor1.fl_str_mv Taufemback, Cleiton Guollo
contributor_str_mv Taufemback, Cleiton Guollo
dc.subject.por.fl_str_mv Séries temporais
Agregação temporal
Causalidade
topic Séries temporais
Agregação temporal
Causalidade
Time series
Temporal aggregation
Granger causality
Sims causality
dc.subject.eng.fl_str_mv Time series
Temporal aggregation
Granger causality
Sims causality
description Entender as complexidades das relações econômicas é crucial para formuladores de políticas, pesquisadores e analistas. A agregação temporal, onde a frequência de geração de dados excede a frequência de coleta de dados, apresenta desafios significativos na análise econômica. Essa discrepância pode levar a realizações não observáveis do processo estocástico original, afetando as propriedades dos dados de séries temporais. Abordar esses desafios é vital para detectar e interpretar com precisão as relações causais entre variáveis econômicas. Nossa pesquisa visa identificar como a agregação temporal pode interferir na detecção de causalidade entre séries temporais. Também demonstramos como um teste de causalidade Sims modificado pode ser empregado para detectar causalidade em modelos de frequências mistas. Nossas simulações de Monte Carlo mostram boas propriedades de tamanho e poder para amostras finitas. Finalmente, testamos a causalidade entre o PIB dos EUA e indicadores macroeconômicos mensais.
publishDate 2024
dc.date.accessioned.fl_str_mv 2024-09-11T06:16:51Z
dc.date.issued.fl_str_mv 2024
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/278762
dc.identifier.nrb.pt_BR.fl_str_mv 001210368
url http://hdl.handle.net/10183/278762
identifier_str_mv 001210368
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/278762/2/001210368.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/278762/1/001210368.pdf
bitstream.checksum.fl_str_mv bc4e1b6dc8b0df8c6a047d2f5b99712d
9b46c4fd7dfeb33e339d7197bd228bf2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085651054329856

Registros relacionados