Wavelet decomposition of the financial cycle : An early warning system for financial tsunamis

Abstract

We propose a wavelet-based approach for construction of a financial cycle proxy. Specifically, we decompose three key macro-financial variables – private credit, house prices, and stock prices – on a frequency-scale basis using wavelet multiresolution analysis. The resulting “wavelet-based” sub-series are aggregated into a composite index representing our cycle proxy. Selection of the sub-series deemed most relevant is done by emphasizing early warning properties. The wavelet-based financial cycle proxy is shown to perform well in detecting banking crises in out-of-sample exercises, outperforming the credit-to-GDP gap and a financial cycle proxy derived using the approach of Schüler et al. (2015).

Tässä työssä esitettään tapa estimoida finanssisykliä aallokeanalyysin avulla. Kolme finanssimarkkinoiden kannalta oleellista muuttujaa – yksityinen luotonanto, asuntojen hinnat sekä osakkeiden hinnat – jaotellaan taajuus-aikatasossa käyttäen aallokkeisiin perustuvaa multiresoluutioanalyysiä. Tuloksena saadut aallokeperäiset osasarjat kootaan yhdistelmäindikaattoriksi, joka edustaa finanssisyklin estimaattia. Aallokeperäiset osasarjat valitaan yhdistelmäindeksiin painottamalla niiden ominaisuuksia pankkikriisien ennustamisessa. Kahden erilaisen toteumatestin perusteella aallokeperäinen finanssisykliestimaatti toimii paremmin pankkikriisien ennustajana kuin luottokannan ja BKT:n suhde sekä toinen vastaava finanssisykli-indikaattori, joka rakennettiin samalla tavalla kuin Schülerin ym. tutkimuksessa (2015).