Alternative Methodology for Turning-Point Detection in Business Cycle : A Wavelet Approach

Peter Martey Addo (1, 2) , Monica Billio (2) , Dominique Guegan (1, 3)

1 CES - Centre d'économie de la Sorbonne
2 University of Ca’ Foscari [Venice, Italy]
3 PSE - Paris School of Economics

We provide a signal modality analysis to characterize and detect nonlinearity schemes in the US Industrial Production Index time series. The analysis is achieved by using the recently proposed 'delay vector variance ' (DVV) method, which examines local predictability of a signal in the phase space to detect the presence of determinism and nonlinearity in a time series. Optimal embedding parameters used in the DVV analysis are obtained via a differential entropy based method using wavelet-based surrogates. A complex Morlet wavelet is employed to detect and characterize the US business cycle. A comprehensive analysis of the feasibility of this approach is provided. Our results coincide with the business cycles peaks and troughs dates published by the National Bureau of Economic Research (NBER).

Nous proposons une analyse de la série indice de Production industrielle en nous basant sur la méthode DVV qui examine la prédictabilité locale d'un signal dans l'espace des phases. Ensuite une étude faite à l'aide de l'ondelette de Morlet permet de détecter et de caractériser le cycle des affaires USA. Une analyse complète de la faisabilité de cette double approche est fournie. Nos résultats coïncident avec les datations des cycles économiques de pics et des creux publiés par le Bureau National de la Recherche Economique (NBER) sur la période étudiée.

Mots clés: business cycles; Nonparametric methods; STAR models; business cycles.

Mots clés: Méthodes non paramétriques; modèle STAR; cycles d'activité.

Domaines: Economies et finances; Gestion et management; Méthodes et statistiques; Probabilités [math.PR]; Statistiques [math.ST]; Théorie [stat.TH]

Peter Martey Addo, Monica Billio, Dominique Guegan. Alternative Methodology for Turning-Point Detection in Business Cycle : A Wavelet Approach. 2012. ⟨halshs-00694420⟩