Dynamic Factor Models for Heterogeneous Data

Abstract

The thesis Dynamic Factor Models for Heterogeneous Data has two major purposes: (1) to investigate the advantages and disadvantages of different Dynamic Factor Model (DFM) estimation methodologies and (2) to show DFM usefulness in real data applications. This thesis includes a literature review in the introduction. Chapter 2 presents a new approach for the estimation of the number of factors using an eigenvalues ratio test. Chapter 3 generalizes the proposed method in chapter 2 for the estimation of the factor space. Chapter 4 studies the business cycles synchronization between Euro Area countries by means of a DFM with known cluster structure and Chapter 5 analyses international energy prices interrelations using DFM with unknown cluster structure. Simulation results suggest that the new approach proposed in this thesis for finding the number of factors and estimating them, based on lagged correlation matrices, provides a good performance compared to methods already presented in the literature. Specially, when the data sample includes atypical series the proposed method outperforms its competitors. This is also corroborated by real data examples.

La tesis Dynamic Factor Models for Heterogeneous Data tiene dos propósitos principales: (1) investigar las ventajas y desventajas de diferentes metodologías de estimación del Modelo de Factores Dinámicos (MFD) y (2) mostrar la utilidad del MFD en aplicaciones de datos reales. Esta tesis incluye una revisión bibliográfica en la introducción. El capítulo 2 presenta un nuevo enfoque para la estimación del número de factores utilizando un test basado en el uso de valores propios. El capítulo 3 generaliza el método propuesto en el capítulo 2 para la estimación del espacio factorial. El capítulo 4 estudia la sincronización de los ciclos económicos entre los países de la Zona Euro mediante un MFD con estructura de clúster conocida y el capítulo 5 analiza las interrelaciones existentes entre los precios internacionales de la energía utilizando un MFD con estructura de clúster desconocida. Los resultados de las simulaciones sugieren que el nuevo enfoque propuesto en esta tesis para determinar el número de factores y para la estimación de dichos factores, basado en matrices de correlación rezagadas, proporciona un buen desempeño en comparación con los métodos ya presentados en la literatura. Especialmente, cuando la muestra de datos incluye series atípicas, el método propuesto supera a sus competidores. Esto también se corrobora con ejemplos de datos reales.