Quantile coherency: A general measure for dependence between cyclical economic variables

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F19%3A00507521" target="_blank" >RIV/67985556:_____/19:00507521 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216208:11230/19:10399926

Výsledek na webu

<a href="https://academic.oup.com/ectj/article-abstract/22/2/131/5303852" target="_blank" >https://academic.oup.com/ectj/article-abstract/22/2/131/5303852</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1093/ectj/utz002" target="_blank" >10.1093/ectj/utz002</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Quantile coherency: A general measure for dependence between cyclical economic variables

Popis výsledku v původním jazyce

In this paper, we introduce quantile coherency to measure general dependence structures emerging in the joint distribution in the frequency domain and argue that this type of dependence is natural for economic time series but remains invisible when only the traditional analysis is employed. We define estimators that capture the general dependence structure, provide a detailed analysis of their asymptotic properties, and discuss how to conduct inference for a general class of possibly nonlinear processes. In an empirical illustration we examine the dependence of bivariate stock market returns and shed new light on measurement of tail risk in financial markets. We also provide a modelling exercise to illustrate how applied researchers can benefit from using quantile coherency when assessing time series models.

Název v anglickém jazyce

Quantile coherency: A general measure for dependence between cyclical economic variables

Popis výsledku anglicky

In this paper, we introduce quantile coherency to measure general dependence structures emerging in the joint distribution in the frequency domain and argue that this type of dependence is natural for economic time series but remains invisible when only the traditional analysis is employed. We define estimators that capture the general dependence structure, provide a detailed analysis of their asymptotic properties, and discuss how to conduct inference for a general class of possibly nonlinear processes. In an empirical illustration we examine the dependence of bivariate stock market returns and shed new light on measurement of tail risk in financial markets. We also provide a modelling exercise to illustrate how applied researchers can benefit from using quantile coherency when assessing time series models.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

50201 - Economic Theory

Projekt

<a href="/cs/project/GA16-14179S" target="_blank" >GA16-14179S: Nové míry závislostí ekonomických proměnných</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Econometrics Journal

ISSN

1368-4221

e-ISSN

—

Svazek periodika

22

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

GB - Spojené království Velké Británie a Severního Irska

Počet stran výsledku

22

Strana od-do

131-152

Kód UT WoS článku

000493351000003

EID výsledku v databázi Scopus

2-s2.0-85063408023