نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هئیت علمی اقتصاد دانشگاه شهید چمران اهواز

2 هیات علمی دانشگاه شهید چمران اهواز

10.22055/jqe.2019.26401.1899

چکیده

یکی از مسائل کلیدی در به‌کارگیری آنالیز موجک انتخاب نوع، مرتبه و سطح تجزیه سازی موجک است. این در حالی است که بر اساس موجک های متعامد، یک سری می‌تواند حداقل به سیصد و هفتاد سری تجزیه شود و به لحاظ اقتصادی به این معنی خواهد بود که برای یک سری زمانی مانند تولید ناخالص داخلی می توان 370 نوع چرخه اقتصادی تعریف کرد که مسلماً هر کدام نتایج و تفسیر متفاوتی را خواهد داشت. هدف اصلی در این تحقیق شناسایی بهترین نوع موجک از بین موجک‌های هار، دابچیس، سیملتس، کوایفلتس و دو متعامدی تا پنج سطح به منظور بررسی در تحلیل های اقتصادی است. برای این منظور با استفاده از روش شبیه سازی گذشته نگر (ex-post) و تحلیل همبستگی بهترین نوع، مرتبه و سطح تجزیه سازی موجک در چرخه های اقتصادی ایران برای دوره ی زمانی فصلی 1396-1367 انتخاب شده است. نتایج تحقیق نشان می دهد که موجک bior2.2 دارای بالاترین کیفیت در تجزیه و هموارسازی چرخه های تجاری در ایران است. بر این اساس توصیه می شود در زمانی که از داده های سالیانه استفاده می‌شود، سطح موجک انتخابی پایین (حداکثر 3) و اگر داده های ماهیانه و یا فصلی باشد، سطح موجک بالا (حداقل بیشتر از 4) انتخاب گردد. همچنین برآورد چرخه های تجاری ایران نشان می دهدکه در دوره ی تحقیق، تعداد 16 چرخه ی تجاری وجود داشته است که بیشترین سالهای رکود متوالی مربوط به سال های 82-1380، 89-1387 و 93-1391 بوده است.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Identification of the best type of wavelet in economic researches: A case-study, business-cycles in Iran

نویسنده [English]

  • Hasan Farazmand 2

2 Associate of Shahid Chamran University of Ahvaz

چکیده [English]

One of the key issues in using wavelet analysis is choosing the type, degree and level of wavelet decomposition. While, theoretically based on orthogonal wavelet, a series could be decomposed into at least three hundred and seventy ones and economically this means that for a time series like GDP, 370 types of Economic Cycle can be defined, which of course, each one will have a different interpretations and results. This is of high sensitivity in short and long term economic planning. Therefore, the main objective in this research is to identify the best type of wavelet from among Haar, Daubechies, Symmelets, Coiflets, and biorthogonal ones up to five levels, In order to evaluate in economic analyses. For this purpose, using ex-post simulation approaches and correlation analysis, the best type, degree and level of wavelet decomposition in economic cycles of Iran, for the seasonal period of 1988-2017 has been selected. The result show that bior2.2 wavelet has the highest quality and smoothing of business cycles in Iran. Accordingly, it is recommended when using wavelet analysis of annual data wavelet levels, low (maximum 3) is selected and the monthly and quarterly data, wavelet levels high (at least more than 4) are selected.

کلیدواژه‌ها [English]

  • Wavelet
  • Simulation
  • Business Cycles
  • Daubechies
  • biorthogonal