Search

This thesis is a collection of four self-contained essays that discuss time series applications of binary response models. Although popular in microeconometric applications using cross-sectional data, this class of models is not among the most commonly used ones in time series econometrics. Nevertheless, these models hold interesting possibilities to various forecasting issues in empirical macroeconomics and finance. The most common time series application of binary response models, or more specifically probit models, has been recession forecasting. In this context, these models have been applied ever since Estrella and Hardouvelis (1991) used them to study U.S. recession periods. The application to recession forecasting is a natural one, due to the binary nature of the dependent variable, as business cycle turning points determine the economy into periods of expansion and recession. An obvious advantage of binary response models over models designed for continuous, real-valued dependent variables is that they provide probability forecasts to decision makers. Due to this convenient property, there are a number of potential applications for these models, where the decision makers are after a yes or no decision. One of these is predicting movements in the direction of asset prices, and basing investment decisions on these predictions. The directional predictability of excess stock market returns has previously been studied by, for example, Leung et al. (2000), Nyberg (2011), and Chevapatrakul (2013) and the findings have been promising when compared with those obtained using traditional methods, such as the conventional predictive regressions. This thesis extends the previous research on both predicting the direction of asset returns (Chapters 2-4) and state of the business cycle (Chapter 5). The most important connection between the essays in this thesis is the use of a common methodology, i.e. the probit model. Along with the new empirical results I also contribute to the previous literature by developing and employing new methods. In Chapter 3, written jointly with Henri Nyberg, we develop a new bivariate probit model allowing for contemporaneous effects. In Chapters 3, 4, and 5, I consider another way to assess the accuracy of probability forecasts, the Receiver Operating Characteristic (ROC) curve that was originally developed for radar signal detection. Tämä väitöskirja koostuu neljästä itsenäisestä artikkelista, jotka käsittelevät binäärivastemallien aikasarjasovelluksia. Binäärivastemalleja on jo pitkään käytetty mikroekonometrisissä, poikittaisaineistoja hyödyntävissä sovelluksissa, mutta aikasarjasovelluksissa niitä on käytetty harvemmin. Tästä huolimatta näillä malleilla on mielenkiintoisia mahdollisuuksia empiirisen makrotaloustieteen sekä rahoitusekonometristen sovellusten parissa. Yleisin probit-mallien aikasarjasovellus on ollut taantumaperiodien ennustaminen. Tässä yhteydessä näitä malleja on hyödynnetty laajemmin sen jälkeen, kun Estrella ja Hardouvelis (1991) havaitsivat niiden hyödyllisyyden Yhdysvaltojen taantumajaksoja ennustettaessa. Binäärivastemallit ovat käytännöllisiä sovelluksissa, joissa etsitään vastausta kyllä-ei tyyppisiin kysymyksiin. Sijoittajat kohtaavat tämänlaisia tilanteita tehdessään sijoituspäätöksiä, jotka tekevät osakemarkkinoiden suunnan ennustamisesta luontevan probit-mallien käyttökohteen. Aiheesta on tehty aikaisempaa tutkimusta (esim. Nyberg, 2011 ja Chevapatrakul, 2013) ja näistä saatujen tulosten perusteella binäärivastemallit ovatkin suoriutuneet perinteisiä regressiomalleja paremmin osakemarkkinoiden tuottojen suuntaa ennustettaessa, sekä tilastollisilla että taloudellisilla kriteereillä mitattuna. Tämä väitöskirja täydentää sekä osakemarkkinoiden tuottojen suuntaan (luvut 2-4) että suhdanne-vaihteluihin (luku 5) keskittyvää tutkimusta. Tärkein yhteinen tekijä kirjan artikkeleiden välillä on yhteinen metodologia, eli probit-malli. Uusien tulosten lisäksi väitöskirjan kontribuutiona voidaan pitää mallien sekä niiden arviontimenetelmien käyttöä ja kehitystä. Toisessa luvussa tutkitaan osakemarkkinoiden suuntaa Yhdysvalloissa dynaamisilla probit-malleilla, käyttäen selittäjinä toimialaportfolioiden viivästettyjä tuottoja. Kolmannessa luvussa, joka on kirjoitettu yhdessä Henri Nybergin kanssa, tutkimme Yhdysvaltojen ja kahdentoista muun osakemarkkinan välistä yhteyttä. Kehitämme uuden kaksiulotteisen probit-mallin, joka mahdollistaa samanaikaisen vaikutuksen tutkimisen Yhdysvalloista muille markkinoille. Neljännessä luvussa tutkin öljyn hinnan muutosten vaikutuksia osakemarkkinoiden suuntaan kolmessatoista maassa. Viidennessä luvussa tutkitaan luottomuuttujien selitysvoimaa Yhdysvaltojen taantumajaksojen ennakoinnissa käyttämällä faktoriaugmentoituja probit-malleja.