استفاده از متغیرهای بازار مالی در پیش بینی

شاخص های بازار مالی می توانند اطلاعات ارزشمندی را برای پیش بینی تحولات اقتصاد کلان ارائه دهند. در پاسخ به بحران مالی جهانی 2007/2008 ، نقش متغیرهای مالی برای پیش بینی مورد بازنگری قرار گرفته است ، و روش های جدید پیش بینی تجربی و نظری قادر به صریح اطلاعات بازار مالی توسعه یافته است. این جمع بندی در مورد ویژگی های حرکات متغیر مالی و ارتباط با چرخه های تجاری بحث می کند. علاوه بر این ، برخی از رویکردهای جدید نظری و تجربی مورد نظر برای پیش بینی متغیرهای کلان اقتصادی با اطلاعات بازار مالی خلاصه می شود و چالش های اصلی پیش بینی کننده های مایل به بررسی اطلاعات بازار مالی در تمرینات پیش بینی را برجسته می کند.

درک پیوند بین چرخه های مالی و تجاری

قبل از بحران مالی جهانی اخیر ، بازارهای مالی به عنوان محرک های مهم تحولات کلان اقتصادی واقعی درک نمی شدند. به عنوان مثال ، مدلهای پیشرفته اقتصاد کلان مورد استفاده برای تجزیه و تحلیل چرخه تجارت و پیش بینی اغلب فاقد بخش های مالی به طور کامل یا در بهترین حالت واسطه های مالی تلطیف شده برای معرفی ویژگی هایی با هدف بهبود پاسخ متغیرهای اقتصادی واقعی به شوک های اقتصادی واقعی در مدل است.(به عنوان مثال برنانک و همکاران 1999 ، وودفورد 2003). این دیدگاه طی یک دهه گذشته به طرز چشمگیری تغییر کرده است ، زیرا تجربیات رکود بزرگ منجر به تأیید اهمیت اختلالات مالی شده است ، چه به عنوان منبع و هم به عنوان مکانیسم تقویت شوک هایی که می تواند بر اقتصاد واقعی تأثیر بگذارد. پیوند تأیید شده بین متغیرهای مالی و چرخه های تجاری در نهایت تحقیقات گسترده ای را در مورد چگونگی ترکیب تعامل آنها در مدلهای استاندارد اقتصادی و ابزارهای مورد استفاده برای پیش بینی انجام داده است.

ارزیابی اهمیت متغیرهای مالی برای تجزیه و تحلیل چرخه تجارت نیاز به درک کامل از 1) کدام متغیرها را باید در یک مدل پیش بینی مربوطه و 2) نحوه ارتباط این شاخص ها با اقتصاد کلان در نظر گرفت. یک نقطه شروع امیدوار کننده برای بحث در مورد نقش متغیرهای مالی برای پیش بینی اقتصادی واقعی ، ادبیات چرخه مالی را به تصویر می کشد (Drehmann et al. 2012 ، Borio 2014) ، که به طور گسترده حرکت متغیرهای مالی و ارتباط آنها با چرخه تجارت را ارزیابی می کند.

مطالعات متعددی چرخه های مالی را از نظر حرکات در مجموعه ای از متغیرهای کلیدی مالی تعریف می کند - برجسته ترین از نظر رشد اعتبار (Aikman et al. 2015 ، Schularick and Taylor 2012 ، Jordà et al. 2011 ، Jordà et al. 2016 ، Bakker etAl. 2012 ، Chen and Ranciere 2016 ، Claessens et al. 2011 ، IMF 2009 ، Mendoza and Terrones 2008 ، یا Gourinchas and Obstfeld 2012) یا حرکات قیمت دارایی (انگلیسی و همکاران 2005 ، NG 2011 ، Claessens و همکاران 2011). حتی اگر بیشتر مطالعات از نظر تعاریف چرخه مالی و همچنین در مورد روش و دوره نمونه به کار گرفته شده متفاوت باشد ، برخی از یافته های کلیدی از ادبیات تجربی در مورد چرخه های مالی و پیوند آنها به حرکات چرخه تجارت پدیدار می شوند (شکل 1). اول ، به نظر می رسد که چرخه های مالی با فرکانس های قابل توجهی پایین تر از چرخه های تجاری مشخص می شوند (Drehmann et al. 2012 ، Borio 2014 ، Claessens و همکاران 2012). دوم ، نوسانات چرخه مالی اغلب از نوسانات چرخه تجارت برجسته تر است ، یافته ای در راستای مطالعات قبلی در مورد نوسانات بالای قیمت دارایی در مقایسه با اصول اقتصادی (کمپبل 2003 ، Claessens و همکاران 2012). سوم ، رکودهای چرخه تجارت که همزمان با رکود اقتصادی همزمان است ، بیشتر از رکود اقتصادی طولانی تر و عمیق تر از رکود اقتصادی بدون اختلال در بازارهای مالی است و بهبودی از رکود مضاعف تمایل به لاغر شدن دارد (Claessens et al. 2012 ، Borio 2014). Claessens و همکاران.(2012) نه تنها تعامل رکودهای مالی و اقتصادی را ارزیابی کنید ، بلکه علاوه بر این به رابطه هر دو چرخه در دوره های رونق نگاه می کنید ، یعنی هنگامی که گسترش اقتصادی با رشد شدید در اعتبار و/یا قیمت دارایی در مقایسه با رونق بدون تحولات قابل توجه همراه استبازارهای مالی. آنها دریافتند که گسترش اقتصادی مرتبط با روند صعودی مالی قوی تر از نظر رشد تولید نسبت به سایر رونق ها کوتاه تر اما برجسته تر است.

شکل 1: چرخه های مالی و تجاری در ایالات متحده

منبع: Drehmann و همکاران.(2012): "توصیف چرخه مالی: از میان مدت میان مدت خود را از دست ندهید!"مقالات کار BIS ، شماره 380 ، ژوئن.

متغیرهای مالی در پیش بینی - مدل های نظری

با تکیه بر بینش های ناشی از تعامل متغیرهای مالی و کلان اقتصادی ، تعداد زیادی از مدل های پیش بینی - هم چارچوب های ساختاری و هم با فرم - به صراحت حسابداری برای متغیرهای مالی و اصطکاک ها طی سالهای اخیر ارائه شده است. از طرف نظری ، اصطکاک های مالی و پیوندهای آنها با نتایج کلان اقتصادی و طراحی سیاست با کمک مدلهای تعادل عمومی تصادفی و یکتعم عمومی (DSGE) به طور گسترده ارزیابی شده است. در حالی که این مدل ها برای اهداف مختلف مورد استفاده قرار گرفته اند ، برخی از مطالعات ارزیابی می کنند که تا چه اندازه واسطه های مالی را صریحاً درج کرده و امکان بازخورد از متغیرهای مالی تا متغیرهای کلان اقتصادی را در یک چارچوب تعادل عمومی فراهم می کند ، عملکرد پیش بینی مدل های پیشرفته DSGE را افزایش می دهد. کریستینو و همکاران.(2011) از یک مدل DSGE با اندازه متوسط برای اقتصاد سوئد استفاده کنید و متوجه شوید که افزایش مدل با یک بخش مالی مانند برنانک و همکاران.(1999) دقت پیش بینی های نقطه از متغیرهای کلان اقتصادی ، به ویژه تورم CPI و نرخ بهره اسمی را افزایش می دهد. به روشی مشابه ، Del Negro و همکاران.(2013) و Del Negro و Schorfheide (2013) مدل DSGE استاندارد SMETS و Wouters (2007) را با یک بخش مالی گسترش می دهند ، که پیش بینی های مربوط به دوره رکود اقتصادی بزرگ اقتصاد ایالات متحده را بهبود می بخشد. Kolasa و Rubaszek (2015) با در نظر گرفتن هر دو دوره بحران و غیر بحران ، دریافتند که گسترش یک مدل DSGE جدید-Keynesian توسط یکی از دو مجموعه اصطکاک مالی پیشرو-مجموعه شتاب دهنده مالی (Beanke et al. 1999 ، Gilchrist et al. 2009) یا چارچوب محدودیت وثیقه (Kiyotaki and Moore 1997 ، Iacoviello 2005 ، Iacoviello و Neri 2010) - به طور جداگانه منجر به بهبود کلی پیش بینی های کلان اقتصادی در زمان های عادی نمی شود ، اما می تواند اثرات مثبت آماری و اقتصادی برای پیش بینی داشته باشداز چندین متغیر کلان اقتصادی در دوره های آشفتگی مالی. با تکیه بر رویکردهای مدل سازی یکسان برای اصطکاک های مالی ، پاگان و رابینسون (2014) دو مدل کلان اقتصادی را ارزیابی می کنند که هر کدام یکی از این مجموعه ها را از نظر توانایی خود در تکرار حرکات چرخه تجارت دارند. آنها این کار را با استفاده از تجزیه و تحلیل نقطه عطف (Bry and Boschan 1971) برای مقایسه ویژگی های چرخه تجارت داده های تولید شده با مدل مربوطه با افراد موجود در داده های واقعی انجام می دهند.

در حالی که آنها می دانند که عوامل مالی می توانند در توضیح برخی از ویژگی های چرخه تجارت نقش داشته باشند ، میانگین ویژگی های چرخه تولید شده توسط مدل با افزودن اطلاعات اصطکاک مالی به مدل به شدت تحت تأثیر قرار نمی گیرد. سرانجام ، کاردانی و همکاران.(2015) عملکرد پیش بینی یک نسخه از مدل Smets and Wouters (2007) را با و بدون یک بخش بانکی مدل شده است که در گرتلر و کارادی (2011) الگوبرداری کرده و بهبود پیش بینی های تولید و تورم برای اقتصاد ایالات متحده در بانکداری را تأیید می کند.-مدل تنظیم شده.

متغیرهای مالی در پیش بینی - مدل های تجربی

علاوه بر مدل های ساختاری ، تعداد زیادی از چارچوبهای اقتصاد سنجی (غیر ساختاری) قادر به صریح شاخص های مالی در پیش بینی متغیرهای کلان اقتصادی از زمان شیوع رکود بزرگ ارائه شده است. ترکیب اطلاعات ناشی از شاخص های مالی در مدلهای پیش بینی آماری به دلایل مختلف امیدوار کننده است. به عنوان مثال ، از آنجا که قیمت دارایی های مالی تحت تأثیر انتظارات بازار در مورد تحولات اقتصادی قرار می گیرد و از این رو به شکلی آینده نگر تنظیم می شود ، آنها باید در پیش بینی اقتصاد کلان در نظر گرفته شوند (چن و Ranciere 2016). علاوه بر این ، داده های بازار مالی به موقع در دسترس می توانند هر دو نتیجه را که هر دو داده های کلان اقتصادی با یک تاخیر زمانی قابل توجه جمع آوری می شوند ، بهبود بخشند و پیش بینی کنند (Andreou et al. 2013). با این حال ، دو چالش خاص هنگام ترکیب متغیرهای واقعی و مالی پدیدار می شوند. اول ، با توجه به مقدار زیادی از داده های بازار مالی در دسترس برای پیش بینی کنندگان ، روش های کافی برای انتخاب شاخص های مالی از پیش انتخاب شده برای پیش بینی یک شاخص کلان اقتصادی خاص ، یا تهیه کارآمد مجموعه بزرگی از شاخص های مالی به روش جامع لازم است. علاوه بر این ، روشهای اقتصاد سنجی مورد استفاده برای پیش بینی متغیرهای اقتصادی واقعی باید قادر به گرفتن اختلاف در فرکانس هایی باشند که معمولاً متغیرهای مالی و کلان اقتصادی اندازه گیری می شوند.

در عمل ، چندین چارچوب تجربی غیر ساختاری برای گنجاندن داده های مالی در پیش بینی چرخه تجارت ایجاد شده است. به عنوان مثال ، متغیرهای مالی به عنوان شاخص های پیشرو در مدل های پیش بینی رکود نقش برجسته ای دارند. مطالعات با تکیه بر مدل های Probit برای پیش بینی رکود غالباً نشان می دهد که شامل متغیرهای مالی مانند منحنی عملکرد یا بازده بازار سهام ، قدرت پیش بینی این مدل ها را به میزان قابل توجهی افزایش می دهد (Nyberg 2010 ، اردوغان و همکاران 2015 ، Foari و Lemke 2010). فاوست و همکاران با استفاده از تکنیک های میانگین مدل بیزی.(2013) و Berge (2015) دریافتند که شاخص های مالی و همچنین مسکن بازار به ویژه برای پیش بینی تحولات اقتصادی واقعی ، به ویژه در افق های طولانی تر ، قدرتمند هستند. نتایج مشابهی توسط اسپینوزا ، فارناری و لومباردی (2012) در یک چارچوب وکتور Autoregression (VAR) برای ایالات متحده و منطقه یورو ترسیم شده است.

برای مقابله با مسئله عدم تطابق فرکانس هنگامی که متغیرهای مالی موجود در زمان واقعی برای پیش بینی متغیرهای اقتصادی با فرکانس پایین استفاده می شود ، مدلهای پیش بینی با فرکانس مختلط توسعه یافته اند. با استفاده از داده های مالی در مدل های رگرسیون نمونه گیری داده های مختلط (MIDAS) (Ghysels et al. 2004 ، 2006) برای متغیرهای کلان اقتصادی اغلب خطاهای پیش بینی را در مقایسه با مدل های فاقد اطلاعات ناشی از داده های مالی با فرکانس بالا کاهش می دهد (Ghysels and Wright 2009 ، Monteforte وMoretti 2013 ، Andreou et al. 2013 ، Kuzin et al. 2011 ، فرارا و همکاران 2014). علاوه بر این ، افزایش فراوانی داده های مورد استفاده - به عنوان مثال داده های مالی روزانه به جای داده های ماهانه برای پیش بینی متغیرهای اقتصادی سه ماهه - خطای پیش بینی مدل MIDAS را بیشتر می کند.

از طرف دیگر ، مدلهای فاکتور (پویا) می توانند با مسئله ادغام اطلاعات از طیف گسترده ای از شاخص های مالی در پیش بینی های کلان اقتصادی مقابله کنند. از جمله داده های مالی با فرکانس بالا ، به طور کلی خصوصیات آماری و پیش بینی این مدل ها را افزایش می دهد (Breitung and Schumacher 2008 ، Angelini و همکاران 2011). سرانجام ، مارلینو و شوماخر (2010) هر دو مدل فاکتور و چارچوب MIDAS را برای مقابله با ناسازگاری فرکانس و مجموعه های بزرگی از متغیرهای مالی و کلان به طور همزمان ترکیب می کنند و می دانند که شامل داده های با فرکانس بالا در چنین چارچوبی باعث می شود که کفایت Nowcasts و کوتاه را بهبود بخشد. پیش بینی های مدت تولید ناخالص داخلی آلمانی.

نتیجه

در دهه گذشته، نقش متغیرهای مالی در پیش بینی مجددا مورد بازنگری قرار گرفته است. بر اساس یافته‌های مربوط به ماهیت چرخه‌های مالی و ارتباط آن‌ها با چرخه‌های تجاری، هر دو روش نظری و تجربی به گونه‌ای تنظیم شده‌اند که بتوان اطلاعات بازارهای مالی را در آن گنجاند. به طور کلی، در نظر گرفتن اطلاعات مربوط به بازارهای مالی - مانند تغییرات اعتباری یا قیمت دارایی ها - در تمرینات پیش بینی می تواند به طور قابل توجهی کیفیت پیش بینی ها را بهبود بخشد. با این حال، حجم وسیعی از داده‌های بازار مالی در دست، به ابزارهای تجربی کافی برای پیش‌انتخاب اطلاعات مربوط به پیش‌بینی یک شاخص اقتصادی کلان خاص یا برای تجمیع اطلاعات به روشی قابل حمل و کارآمد نیاز دارد. علاوه بر این، مدل‌های نظری شامل بخش‌های مالی و اصطکاک‌ها به‌طور بالقوه قادر به تولید پیش‌بینی‌های کلان اقتصادی دقیق‌تر، به‌ویژه در مواقع بحران مالی هستند، اما تنها مطالعات کمی به‌طور ساختاری عملکرد پیش‌بینی مدل‌های اقتصاد کلان را که بازارهای مالی را نشان می‌دهند، ارزیابی کرده‌اند.

منابع

آیکمن، دی.، هالدن، آ. جی.، نلسون، بی دی (2015)."کاهش چرخه اعتبار". مجله اقتصادی، 125(585)، 1072-1109.

Andreou، E.، Ghysels، E.، Kourtellos، A. (2013)، "آیا پیش بینی کنندگان اقتصاد کلان باید از داده های مالی روزانه استفاده کنند و چگونه؟". مجله آمار کسب و کار و اقتصادی، 31 (2)، 240-251. http://www.tandfonline.com/doi/abs/10. 1080/07350015. 2013. 767199

آنجلینی، ای.، کامبا مندز، جی.، جیانونه، دی.، رایچلین، ال.، رونستلر، جی. (2011)، "پیش بینی های کوتاه مدت رشد تولید ناخالص داخلی منطقه یورو". مجله اقتصاد سنجی، 14(1). http://onlinelibrary. wiley.com/doi/10. 1111/j. 1368-423X. 2010. 00328. x/full

باکر، بی.، دل آریچیا، جی.، ایگان، دی., Laeven, L., Tong, H., Vandenbussche, J., (2012)، "سیاست های ثبات مالی کلان: نحوه برخورد با رونق اعتباری". یادداشت گفتگوی صندوق بین المللی پول، آوریل. http://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2016/12/31/Policies-for-Macrofinancial-Stability-How-to-Deal-with-Credit-Booms-25935

برگ، تی جی (2015)، "پیش بینی رکود با شاخص های پیشرو: میانگین گیری و انتخاب مدل در چرخه تجاری". مجله پیش بینی، 34 (6)، 455-471. http://onlinelibrary. wiley.com/doi/10. 1002/for. 2345/full

Beanke ، B. ، Gertler ، M. ، Gilchrist ، S. ، (1999) ، "شتاب دهنده مالی در یک چارچوب چرخه تجاری کمی". در: تیلور ، جی. ، وودفورد ، م. (ویرایش.) ، کتابچه راهنمای اقتصاد کلان ، آمستردام ، صص 1341-1393. http://www.sciencedirect.com/science/article/pii/s157400489910034x؟via٪3dihub

Borio ، C. (2014) ، "چرخه مالی و اقتصاد کلان: ما چه چیزی آموخته ایم؟"مجله بانکی و دارایی ، 45 ، 182-198. http://www.sciencedirect.com/science/article/pii/s0378426613003063؟via٪3dihub

Breitung ، J. ، Schumacher ، C. (2008) ، "پیش بینی زمان واقعی تولید ناخالص داخلی آلمانی بر اساس یک مدل فاکتور بزرگ با داده های ماهانه و سه ماهه". مجله بین المللی پیش بینی ، 24 (3) ، 386-398. http://www.sciencedirect.com/science/article/pii/s0169207008000393

Bry ، G. ، Boschan ، C. ، (1971) ، "تجزیه و تحلیل چرخه ای سری زمانی: رویه های منتخب و برنامه های رایانه ای". مقاله فنی شماره 20. دفتر ملی تحقیقات اقتصادی ، نیویورک. http://www.nber.org/books/bry_71-1

Cardani ، R. ، Paccagnini ، A. ، Villa ، S. (2015) ، "پیش بینی در یک مدل DSGE با واسطه بانکی: شواهدی از ایالات متحده". https://papers. ss.com/sol3/papers. cfm؟abstract_id=2563310

Campbell ، J. Y. (2003) ، "قیمت گذاری دارایی مبتنی بر مصرف". کتابچه راهنمای اقتصاد دارایی ، 1 ، 803-887. http://www.sciencedirect.com/science/article/pii/s1574010201010227

Christiano ، L. J. ، Trabandt ، M. ، & Walentin ، K. (2011) ، "معرفی اصطکاک های مالی و بیکاری در یک مدل کوچک اقتصاد باز". مجله پویایی و کنترل اقتصادی ، 35 (12) ، 1999-2041. http://www.sciencedirect.com/science/article/pii/s0165188911001710

Claessens ، S. ، Kose ، M. A. ، Terrones ، M. E. (2012) ، "چگونه چرخه های تجارت و مالی چگونه تعامل دارند؟"J. int. Econ. ، 87 (1) (2012) ، صص 178-190 http://www.sciencedirect.com/science/article/pii/s0022199611001462

Del Negro ، M. ، Giannoni ، M. P. ، & Schorfheide ، F. (2013) ، "تورم در رکود بزرگ و مدلهای جدید کینزی". گزارش کارکنان 618. بانک مرکزی فدرال رزرو نیویورک. https://www.newyorkfed.org/medialibrary/media/research/staff_reports/sr618. pdf

Drehmann ، M. ، Borio ، C. ، Tsatsaronis ، K. ، (2012) ، "توصیف چرخه مالی: از میان مدت بین خود را از دست ندهید!"مقالات کار BIS ، شماره 380 ، ژوئن. https://papers. ss.com/sol3/papers. cfm؟abstract_id=2084835

انگلیسی ، W. ، Tsatsaronis ، K. ، Zoli ، E. ، (2005) ، "ارزیابی قدرت پیش بینی کننده اقدامات شرایط مالی برای متغیرهای کلان اقتصادی". مقالات بیس ، شماره 22 ، صص 228-252. https://papers. ss.com/sol3/papers. cfm؟abstract_id=1188602#page=238

اردوغان ، ا. ، بنت ، پ. ، اوزییلدیریم ، C. (2014) ، "پیش بینی رکود اقتصادی با استفاده از منحنی عملکرد و اقدامات انحراف نقدینگی بازار سهام". بررسی امور مالی ، 19 (1) ، 407-422. https://academic. oup.com/rof/article/19/1/407/1630574/recession-prediction-using-yield-curve-and-stock

Espinoza ، R. ، Foari ، F. ، Lombardi ، M. J. (2012) ، "نقش متغیرهای مالی در پیش بینی فعالیت اقتصادی". مجله پیش بینی ، 31 (1) ، 15-46. http://onlinelibrary. wiley.com/doi/10. 1002/for. 1212/full

Faust ، J. ، Gilchrist ، S. ، Wright ، J. H. ، Zakrajšsek ، E. (2013) ، "اعتبار به عنوان پیش بینی کننده فعالیت اقتصادی در زمان واقعی: یک رویکرد متوسط مدل بیزی" گسترش می یابد. بررسی اقتصاد و آمار ، 95 (5) ، 1501-1519. http://www.mitpressjouals.org/doi/pdfplus/10. 1162/rest_a_00376

Ferrara ، L. ، Marsilli ، C. ، Ortega ، J. P. (2014) ، "پیش بینی رشد در طول رکود بزرگ: آیا نوسانات مالی ماده مفقود شده است؟"مدل سازی اقتصادی ، 36 ، 44-50. http://www.sciencedirect.com/science/article/pii/s0264999313003581

Foari ، F. ، Lemke ، W. (2010) ، "پیش بینی احتمالات رکود اقتصادی با متغیرهای مالی در افق های متعدد". مقاله کار ECB شماره 1255. https://www.ecb. europa. eu/pdf/scpwps/ecbwp1255. pdf؟17FAF3181CDDC6090D149D4C62A35F555555555555555

گرتلر ، م. ، کارادی ، پ. (2011) ، "الگویی از سیاست پولی غیر متعارف". مجله اقتصاد پولی ، 58 (1) ، 17-34. http://www.sciencedirect.com/science/article/pii/s0304393210001261

Ghysels ، E. ، Santa-Clara ، P. ، Valkanov ، R. (2004) ، "Midas Touch: مدل های رگرسیون نمونه گیری داده های مختلط". دانشگاه کارولینای شمالی. میمئوhttp://escholarship.org/uc/item/9mf223rs

Ghysels ، E. ، Santa-Clara ، P. ، Valkanov ، R. (2006) ، "پیش بینی نوسانات: گرفتن بیشترین استفاده از داده های برگشتی نمونه برداری شده در فرکانس های مختلف". مجله اقتصاد سنج ، 131 ، صص 59-95 http://www.scienceienct.com/science/article/pii/s0304407605000060؟via٪3dihub

Ghysels ، E. ، Wright ، J. (2009) ، "پیش بینی پیش بینی کننده حرفه ای". مجله آمار تجارت و اقتصادی ، 27 ، صص 504-516 http://www.tandfonline.com/doi/abs/10. 1198/jbes. 2009. 06044

Gilchrist ، S. ، Yankov ، V. ، Zakrajšek ، E. (2009) ، "شوک های بازار اعتباری و نوسانات اقتصادی: شواهدی از اوراق قرضه شرکت ها و بازارهای سهام" ، مجله اقتصاد پولی 56 ، 471-493. http://www.sciencedirect.com/science/article/pii/s0304393209000440

Gourinchas ، P.-O. و Obstfeld ، M. (2012) ، "داستانهای قرن بیستم برای بیست و یکم" ، مجله اقتصادی آمریکا: اقتصاد کلان ، 4 (1) ، 226-265. http://www.jstor.org/stable/41426394

Iacoviello ، M. (2005) ، "قیمت خانه ، محدودیت وام و سیاست های پولی در چرخه تجارت". بررسی اقتصادی آمریکا ، 95 (3) ، صص 739-764 http://www.jstor.org/stable/4132738

Iacoviello ، M. ، Neri ، S. (2010)."سرریزهای بازار مسکن: شواهدی از مدل تخمین زده شده DSGE". مجله اقتصادی آمریکا: اقتصاد کلان ، 2 (2) ، 125-164. http://www.jstor.org/stable/25760299

صندوق بین المللی پول (2009) ، "از رکود اقتصادی تا بهبودی: چقدر زود و چقدر قوی؟" ، چشم انداز اقتصادی جهانی. https://www.imf.org/exteal/pubs/ft/weo/2009/01/pdf/c3. pdf

Jordà ، O. ، Schularick ، M. ، Taylor ، A. M. ، (2011) ، "وقتی اعتبار به عقب برگردد: اهرم ، چرخه های تجاری و بحران". فدرال رزرو بانک از سریال کار سانفرانسیسکو 2011-27. http://www.nber.org/papers/w17621. pdf

Jordà ، O. ، Schularick ، M. ، Taylor ، A. M.(2016)."تاریخچه ماکروفینوسی و واقعیت های چرخه تجارت جدید" ، NBER کلان اقتصادی سالانه 31 (2016) http://www.nber.org/chapters/c13776. pdf

Kolasa ، M. ، & Rubaszek ، M. (2015) ، "پیش بینی با استفاده از مدل های DSGE با اصطکاک مالی". مجله بین المللی پیش بینی ، 31 (1) ، 1-19. http://www.sciencedirect.com/science/article/pii/s0169207014000910

Kiyotaki ، N. ، Moore ، J. (1997) ، "چرخه اعتباری". مجله اقتصاد سیاسی ، 105 (2) ، 211-248. http://www.jouals. uchicago. edu/doi/abs/10. 1086/262072

Kuzin ، V. ، Marcellino ، M. ، Schumacher ، C. (2011) ، "Midas در مقابل Frequency VAR با فرکانس مختلط: تولید ناخالص داخلی Nowcasting در منطقه یورو". مجله بین المللی پیش بینی ، 27: 529-542. http://www.sciencedirect.com/science/article/pii/s0169207010000427

Marcellino ، M. ، Schumacher ، C. (2010) ، "Factor Midas برای Nowcasting و پیش بینی با داده های لبه خزنده: مقایسه مدل برای تولید ناخالص داخلی آلمانی". بولتن اقتصاد و آمار آکسفورد ، 72 (4) ، 518-550. http://onlinelibrary. wiley.com/doi/10. 1111/j. 1468-0084. 2010. 00591. x/full

Mendoza ، E. G. and Terrones ، M. E. (2008) ، "آناتومی رونق اعتباری: شواهدی از مصالح کلان و داده های خرد" ، مقاله کار NBER شماره 14049. http://www.nber.org/papers/w14049

Monteforte ، L. ، Moretti ، G. (2013) ، "پیش بینی های زمان واقعی تورم: نقش متغیرهای مالی". مجله پیش بینی ، 32 (1) ، 51-61. http://onlinelibrary. wiley.com/doi/10. 1002/for. 1250/full

Ng ، T. ، (2011) ، "محتوای پیش بینی کننده اقدامات چرخه مالی برای نوسانات خروجی". بررسی فصلنامه BIS ژوئن ، 53-65. https://papers. ss.com/sol3/papers. cfm؟abstract_id=1864708

Nyberg ، H. (2010) ، "مدل های Probit پویا و متغیرهای مالی در پیش بینی رکود". مجله پیش بینی ، 29 (1-2) ، 215-230. http://onlinelibrary. wiley.com/doi/10. 1002/for. 1161/full

Pagan ، A. ، Robinson ، T. (2014)."روشهای ارزیابی تأثیر تأثیرات مالی بر چرخه های تجاری در مدلهای کلان اقتصادی". مجله اقتصاد کلان ، 41 ، 94-106. http://www.sciencedirect.com/science/article/pii/s01640704140005x

Schularick ، M. ، Taylor ، A. ، (2012) ، "Booms اعتبار از بین رفت: سیاست پولی ، چرخه اهرم و بحران های مالی ، 2008- 1870". بررسی اقتصادی آمریکا ؛102 (2) ، 1029-61. http://www.jstor.org/stable/23245443

Smets ، F. ، Wouters ، R. (2007) ، "شوک و اصطکاک در چرخه های تجاری ایالات متحده: یک رویکرد DSGE Bayesian". بررسی اقتصادی آمریکا ، 97 (3) ، صص 586-606 http://www.jstor.org/stable/30035013

وودفورد ، م. ، (2003) ، علاقه و قیمت: مبانی نظریه سیاست پولی ". انتشارات دانشگاه پرینستون ، پرینستون. https://press. princeton. edu/titles/7603.html

خلاصه