Is it time for action(?): Loss minimization in crisis prediction

Abstract

Bu tez çalışması, para, bankacılık ve borç krizlerini tahminlemek için erken uyarı sistemleri kurmayı ve kriz politikalarından doğan kaybı en aza indirmek üzere, ekonominin durumunu sakin, kriz öncesi veya kriz sonrası dönemleri olarak tanımlamak için kullanılacak olasılık tahminlerine uygulanacak en uygun eşik değerini tespit etmeyi amaçlamaktadır. Erken uyarı sistemleri ile kriz tahminlemede ekonomide kayıp oluşturacak iki olası sebep vardır: Kriz kaçırma ve yanlış uyarı. Bu sebepler, sırasıyla Tip-1 ve Tip-2 hatalar olarak adlandırılır. Bu çalışmada, ekonominin durumunu tahminleyen bir erken uyarı sistemi kurulduktan sonra, sistemde, bu belirtilen hatalardan kaynaklanan kaybı hesaplamak için bir "kayıp fonksiyonu" tanımlanmaktadır. Bu kayıp fonksiyonu, politika yapıcıyı dışsal bir karar alıcı olarak kabul eder. Bu çalışma, sadece kriz tahminleme için bir erken uyarı sistemi kurmakla kalmamakta, aynı zamanda, hem gelişmiş, hem de gelişmekte olan ülkelerde politika yapıcıya en uygun erken uyarı sistemini kurabilmek için tahminlemede kullanılacak en uygun eşik değerini sağlamaktadır. Çalışmada kullanılan veriler, Dünya Bankası, Uluslararası Para Fonu (IMF) ve Ekonomik Kalkınma ve İşbirliği Örgütü (OECD) veritabanlarından alınmıştır ve 1980 - 2012 yılları arasını kapsamaktadır. Kriz tahminlemede 'Çok Terimli Lojistik Regresyon' tekniği kullanılmıştır. Bir avantaj olarak, bu yöntem, "kriz sonrasi sapma" problemini önlemektedir. Analizin sağlamlığı, bu şekilde geliştirilmektedir. Regresyon analizi, t'nin şimdiki yılı belirttiği durumda, 't-1, t, t+1' ve 't, t+1, t+2' şeklinde iki farklı zaman penceresi için koşturulmuştur. %20 eşik değeri ile sistem 't-1, t, t+1' zaman penceresi için, krizleri %60 başarıyla tahmin ederken, aynı eşik değerinde 't, t+1, t+2' zaman penceresi için başarı oranı %92'ye yükselmektedir. Hata fonksiyonu hesaplanırken, tahminlemede kullanılan eşik değeri 0.01'den 1'e kadar eşit aralıklarla değiştirilmiştir. Literatüre dayanarak, politika yapıcının "bağıl risk savma" (?) parametresi için 0.2, 0.5 ve 0.8 olmak üzere 3 farklı değer kullanılmıştır. Çalışma sonuçlarına göre, kayıp fonksiyonunun en düşük değeri, her iki zaman penceresi için de, bağıl risk savmanın en yüksek, eşik değerinin en düşük olduğu durumlarda elde edilmektedir. Sonuçlara dayanarak, politika önerisi için şu genelleme yapılabilir: Politika yapıcılar, kriz kaçırmanın bedelini daha fazla önemsemeli ve erken uyarı sisteminde oluşabilecek hatalardan kaynaklı ekonomik kayıpları en aza indirebilmek için eşik değerini düşük tutmaya çalışmalıdır This thesis aims to design early warning systems, which predict currency, banking and debt crises, and determine the optimum threshold value to be applied on the prediction probabilities for determining the state of the economy as either tranquil, pre-crisis, or adjustment so as to minimize the loss of the economy. In predicting crises by using early warning systems, there exist two potential sources of loss for the economy: Missing a crisis and a false alarm. These sources are called as Type-1 and Type-2 errors respectively. In this study, after designing early warning system that predicts the status of the economy, a loss function is defined to calculate the loss, which arises due to the mentioned errors that might exist in the early warning system. This loss function takes the policy maker as an exogenous decision maker. This study, is not only constructing an early warning system for crisis prediction, but also providing the policy maker with an optimal threshold level for the predictions in order to obtain the optimum early warning system for both developing and developed countries. The data are taken from World Bank, IMF and OECD and span the years between 1980 and 2012. Multinomial logistic regression is used for crisis prediction. As an advantage, it prevents the 'post-crisis bias' problem; by this way the robustness of the analysis is also improved. The multinomial logistic regression is run for two different time windows 't-1, t, t+1' and 't, t+1, t+2' as t denoting the current year. With a threshold level of 20%, the system predicts 60% of the crises correctly for the time window of 't-1, t, t+1', whereas this number increases to 92% for the time window of 't, t+1, t+2'. In calculating the loss function, the threshold level to be applied on the predictions is swept from 0.01 to 1 (1% to 100%). Depending on the literature, 3 different values have been used for the relative risk aversion of the policy maker, which are ? = 0.2, ? = 0.5, and ? = 0.8. According to the results, the lowest value of loss function is obtained at the highest rate of the policy maker's relative risk aversion and lowest rate of threshold level for both time windows. Depending on the results, it is possible to make the following generalization for policy offer: the policy makers should give more importance to the cost of missing crisis and they should keep the threshold level at a lower rate in order to protect their economies against the loss that may arise due to the potential errors, which may be caused by the early warning system.