Markov-Switching models of the business cycle : can the econometric model detect the growth regime ?
Résumé.
Cet article propose tout d'abord un modèle univarié du PNB Américain à composantes inobservables avec
changement de régime markovien. Dans cette représentation la PNB est la somme d'une composante transitoire
et permanente. La consommation des ménages est ensuite introduite dans le modèle. L'ajout de cette variable
est intéressante pour deux raisons principales : test de la théorie du revenu permanent à travers une
approche directe. Meilleure détection de certaines récessions, notamment celles liées à une réduction de la
demande globale. Nous verrons que ce type de modélisation nous permet également de trouver en temps réels
les différentes récessions qui ont affecté l'économie américaine ces 30 dernières années. Ensuite, un
modèle de type RBC avec indivisibilité des heures travaillées et deux types de chocs (permanent et
transitoire, gouvernés par un processus markovien d'ordre 1) sera directement confronté à sa contre partie
empirique naturelle : le modèle économétrique à composantes inobservables et
changement de régime. Est-ce que l'estimation économétrique menée sur les
pseudo-observations simulées nous amènent à retrouver avec précision les points de
retournement du processus générateur de donnée théorique ?.
Abstract.
This article proposes first a univariate Markov-Switching Model of US GNP. In this
representation the US GNP is decomposed into unobservable permanent and transitory
components. Household consumption is then introduced into the model. The addition of
this variable is interesting for two reasons : test of the permanent income theory
through a direct approach. Better detection of some recessions, notably those related to
a deficit in aggregate demand. We will see that this type of modeling also enables one
to find, in real time, the different recessions which affected the US economy the last
thirty years. Following this, an RBC model with indivisible labour, in which occur two
types of shocks (permanent and transitory governed by a first order Markov process),
will be directly confronted with its natural empirical counterpart : the MS-UC bivariate
model. Does the estimation carried out on simulated pseudo-observations allow us to find
the reversal periods of the theoretical data generating process with greater accuracy ?.
|