خلاصة:
شناخت چگونگی شکلگیری ادوار تجاری منجر به اتخاذ سیاستهای کلان اقتصادی مطلوبتر در راستای ثبات اقتصادی و کاهش انحراف رشد اقتصادی از مسیر بلندمدت میشود. تئوریهای اقتصادی راهنمای جامعی را برای اقتصاددانان در خصوص شناسایی نماگرهای موثر بر ادوار تجاری ایجاد میکنند. ترکیبی از نماگرهای پیشرو در شاخصهای ترکیبی میتواند در دریافت سیگنالهای آتی از بخشهای مختلف اقتصاد سودمند باشد. ساخت شاخص ترکیبی مستلزم چندین مرحله است و باید در چارچوب غیرمدلی یا مدلی به کار برده شود. هدف از این مقاله معرفی روشهای مدلی و غیرمدلی ساخت شاخص ترکیبی پیشرو بهمنظور شناسایی شکلگیری ادوار تجاری است. روشهای مدلی مورد استفاده در مقاله حاضر عبارت از مدلهای خودرگرسیون برداری، عاملی و مارکف سوئیچینگ هستند. از نتایج این مقاله میتوان بیان کرد که رویکرد مدلی به دلیل معایب رویکرد غیرمدلی از جمله عدم لحاظ ویژگیهای پایداری متغیر هدف، عدم لحاظ تکامل نماگر پیشرو در طول یک دوره زمانی، در برنگرفتن اطلاعات مربوط به انحرافات کوتاهمدت از تعادل بلندمدت و... دارای کاربرد بیشتری هستند.
Understanding how the business cycle is formed leads to make more favorable macroeconomic policies in line with economic stability and a reduction in the deviation of economic growth from the long-term path. Economic theories provide a comprehensive guide for economists to identify indicators that affect business cycles. A combination of leading indicators in a composite index can be useful in obtaining future signals from different sectors of the economy. The construction of a composite index requires several steps, and a non-model or model-based approaches should be used for this process. The purpose of this paper is to introduce modeling and non-model approaches for developing a leading composite index to identify the formation of business cycles. The modeling methods used in this paper are vector autoregressive, factor and Markov switching models. From the results of this paper, it can be argued that the model approach is more applicable because of the disadvantages of a non-model approach, such as the use of short and long-term periods of time. Failing to consider the sustainability characteristics of the target variable, ignoring the evolution of the leading indicator over a period of time and the absence of information on short-term deviations from long-run equilibrium are some reasons to use the model approach more than non-model one.