Analiza podobieństwa państw Unii Europejskiej w zakresie stabilności systemu finansowego, ścieżek zmian cen i wzrostu gospodarczego przy wykorzystaniu metody Dynamic Time Warping

Michał Bernardelli; Mariusz Próchniak

doi:10.18778/2082-4440.42.01

Autor

Michał Bernardelli Szkoła Główna Handlowa w Warszawie, Instytut Ekonometrii, Zakład Metod Probabilistycznych https://orcid.org/0000-0002-5504-257X
Mariusz Próchniak Szkoła Główna Handlowa w Warszawie, Kolegium Gospodarki Światowej, Katedra Ekonomii II https://orcid.org/0000-0003-2642-9510

DOI:

https://doi.org/10.18778/2082-4440.42.01

Słowa kluczowe:

system finansowy, stabilność systemu finansowego, wzrost gospodarczy, Dynamic Time Warping, Unia Europejska

Abstrakt

W artykule podejmujemy próbę odpowiedzi na pytanie, na ile podobne są kraje Unii Europejskiej (UE) pod względem zachowania się systemu finansowego, a zwłaszcza jego stabilności. Weryfikujemy, czy zmiany stabilności sektora finansowego przebiegają analogicznie do ścieżek zmian stóp inflacji oraz dynamiki realnej wielkości produkcji i dochodów. Na podstawie podobieństwa w zakresie stabilności sektora finansowego oraz zmiennych mierzących realną sferę gospodarki grupujemy państwa UE w klastry. Elementem nowości jest zastosowanie w badaniu metody Dynamic Time Warping (DTW). Jest to innowacyjna metoda analizy szeregów czasowych, która w zastosowaniu do zmiennych makroekonomicznych jest stosunkowo rzadko spotykana w literaturze. Analiza obejmuje grupę 27 krajów UE i okres 2010–2023. Wykorzystujemy pięć zmiennych: wolumen kredytów zagrożonych, współczynnik wypłacalności banków, stopa inflacji, dynamika PKB oraz dynamika produkcji przemysłowej. Wyniki pokazują, że względnie często państwa z tym samym modelem kapitalizmu (kontynentalny, nordycki, śródziemnomorski, liberalny i patchworkowy) są do siebie wysoce podobne. Oznacza to, że otoczenie instytucjonalne w danym kraju, w tym model kapitalizmu, wyjaśnia częściowo zbliżone ścieżki czasowe zmiennych finansowych i makroekonomicznych w wielu państwach UE.

Bibliografia

Alińska A., Wasiak K. (red.) (2017), Mechanizmy stabilności systemu finansowego, CH Beck, Warszawa.
Google Scholar

Amable B. (2003), The Diversity of Modern Capitalism, Oxford University Press, Oxford.
Google Scholar DOI: https://doi.org/10.1093/019926113X.001.0001

Bai L., Cui L., Zhang Z., Xu L., Wang Y., Hancock E.R. (2023), Entropic Dynamic Time Warping Kernels for Co-Evolving Financial Time Series Analysis, „IEEE Transactions on Neural Networks and Learning Systems”, 34(4): 1808–1822.
Google Scholar DOI: https://doi.org/10.1109/TNNLS.2020.3006738

Bernardelli M. (2023), Monitorowanie działalności gospodarczej. Gospodarka po pandemii Covid-19, monografia pokonferencyjna z okazji 50-lecia Instytutu Rozwoju Gospodarczego SGH, Oficyna Wydawnicza SGH, Warszawa (red. M. Radzikowski) (w druku).
Google Scholar

Bernardelli M., Próchniak M. (2023), Wykorzystanie Dynamic Time Warping do analizy polityki pieniężnej, sektora finansowego i wzrostu gospodarczego Polski i wybranych innych krajów Europy Środkowo-Wschodniej, „Studia i Prace Kolegium Zarządzania i Finansów Szkoły Głównej Handlowej w Warszawie”, (191): 101–122; https://doi.org/10.33119/SIP.2023.191.7
Google Scholar DOI: https://doi.org/10.33119/SIP.2023.191.7

D’Urso P., De Giovanni L., Massari R. (2021), Trimmed fuzzy clustering of financial time series based on dynamic time warping, „Annals of Operations Research”, 299: 1379–1395.
Google Scholar DOI: https://doi.org/10.1007/s10479-019-03284-1

Denkowska A., Wanat S. (2021), Dynamic Time Warping Algorithm in Modeling Systemic Risk in the European Insurance Sector, „Entropy”, 23(8): 1022.
Google Scholar DOI: https://doi.org/10.3390/e23081022

Franses P.H., Wiemann T. (2020), Intertemporal Similarity of Economic Time Series: An Application of Dynamic Time Warping, „Computational Economics”, 56: 59–75.
Google Scholar DOI: https://doi.org/10.1007/s10614-020-09986-0

Gassouma M.S., Benhamed A., El Montasser G. (2023), Investigating similarities between Islamic and conventional banks in GCC countries: a dynamic time warping approach, „International Journal of Islamic and Middle Eastern Finance and Management”, 16(1): 103–129.
Google Scholar DOI: https://doi.org/10.1108/IMEFM-11-2020-0565

Hall P., Soskice D. (2001), Varieties of Capitalism. The Institutional Foundations of Comparative Advantage, Oxford University Press, Oxford.
Google Scholar DOI: https://doi.org/10.1093/0199247757.001.0001

Próchniak M., Czerniak A., Gardawski J., Horbaczewska B., Karbowski A., Maszczyk P., Rapacki R., Towalski R. (2019), Kapitalizm patchworkowy w Polsce i krajach Europy Środkowo-Wschodniej, Polskie Wydawnictwo Ekonomiczne, Warszawa.
Google Scholar

Raihan T. (2017), Predicting US Recessions: A Dynamic Time Warping Exercise in Economics, SSRN Working Paper Nr 3047649.
Google Scholar DOI: https://doi.org/10.2139/ssrn.3047649

Rapacki R. (red.) (2019), Diversity of Patchwork Capitalism in Central and Eastern Europe, Routledge, London.
Google Scholar DOI: https://doi.org/10.4324/9780429056901

Sakoe H., Chiba S. (1978), Dynamic programming algorithm optimisation for spoken word recognition, „IEEE Transactions on Acoustics, Speech, and Signal Processing”, 26(1): 43–49.
Google Scholar DOI: https://doi.org/10.1109/TASSP.1978.1163055

Vintsyuk T. (1968), Speech discrimination by dynamic programming, „Cybernetics”, 4(1): 81–88.
Google Scholar DOI: https://doi.org/10.1007/BF01074755