Clustering macroeconomic time series

Iwo Augustyński , Paweł Laskoś-Grabowski

Abstract

The data mining technique of time series clustering is well established. However, even when recognized as an unsupervised learning method, it does require making several design decisions that are nontrivially influenced by the nature of the data involved. By extensively testing various possibilities, we arrive at a choice of a dissimilarity measure (compression-based dissimilarity measure, or CDM) which is particularly suitable for clustering macroeconomic variables. We check that the results are stable in time and reflect large-scale phenomena, such as crises. We also successfully apply our findings to the analysis of national economies, specifically to identifying their structural relations.
Author Iwo Augustyński (ES / DEPaERS)
Iwo Augustyński,,
- Department of Economic Policy and European Regional Studies
, Paweł Laskoś-Grabowski
Paweł Laskoś-Grabowski,,
-
Other language title versionsGrupowanie makroekonomicznych szeregów czasowych
Journal seriesEconometrics. Advances in applied data analysis, [Ekonometria], ISSN 1507-3866 , e-ISSN 2449-9994, (B 14 pkt)
Issue year2018
Vol22
No2
Pages75-88
Publication size in sheets0.65
Keywords in Polishgrupowanie szeregów czasowych, podobieństwo, analiza skupień, PKB
Keywords in Englishtime series clustering, similarity, cluster analysis, GDP
Abstract in PolishNależąca do dziedziny eksploracji danych technika grupowania szeregów czasowych znajduje zastosowania w licznych zagadnieniach. Jako metoda nadzorowanego uczenia maszynowego wymaga ona podejmowania decyzji, na które nietrywialnie wpływa natura rozważanych danych. Celem niniejszego artykułu jest sprawdzenie użyteczności grupowania szeregów czasowych w makroekonomii oraz wypracowanie najbardziej odpowiedniej metodologii. Po przetestowaniu szerokiej grupy miar uznano Compression-Based Dissimilarity Measure (CDM) za miarę niepodobieństwa najbardziej odpowiednią do grupowania zmiennych makroekonomicznych. Sprawdzono, że wyniki grupowania są stabilne w czasie i odzwierciedlają zdarzenia wielkoskalowe, takie jak kryzysy. Proponowaną metodę z powodzeniem zastosowano również w analizie porównawczej gospodarek narodowych.
DOIDOI:10.15611/eada.2018.2.06
URL http://www.dbc.wroc.pl/publication/49050
Languageen angielski
LicenseJournal (articles only); author's original; Uznanie Autorstwa - Użycie Niekomercyjne - Bez utworów zależnych (CC-BY-NC-ND); after publication
File
Agustynski_Laskos-Grabowski_Clustering_macroeconomic_time_series.pdf 737,85 KB
Score (nominal)14
Citation count*3 (2019-12-15)
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back