CROSS‐COUNTRY EVIDENCE ON OUTPUT GROWTH VOLATILITY: NONSTATIONARY VARIANCE AND GARCH MODELS
Notice bibliographique
Résumé
ABSTRACT This paper revisits the issue of conditional volatility in real gross domestic product (GDP) growth rates for Canada, Germany, Italy, Japan, the United Kingdom, and the United States. Previous studies find high persistence in the volatility. This paper shows that this finding largely reflects a nonstationary variance. Output growth in the six countries became noticeably less volatile over the past few decades. In this paper, we employ the modified iterated cumulative sum of squares (ICSS) algorithm to detect structural change in the variance of output growth. One structural break exists in each of the six countries after identifying outliers and mean shifts in the growth rates. We then use generalized autoregressive conditional heteroskedasticity (GARCH) specifications, modeling output growth and its volatility with and without the break in volatility. The evidence shows that the time‐varying variance falls sharply in Canada and Japan, and disappears entirely in Germany, Italy, the United Kingdom and the United States, once we incorporate the break in the variance equation of output for the six countries. That is, the integrated GARCH (IGARCH) effect proves spurious and the GARCH model demonstrates misspecification, if researchers neglect a nonstationary variance. Moreover, we also consider the possible effects of our more correct measure of output volatility on output growth as well as the reverse effect of output growth on its volatility. The conditional standard deviation possesses no statistical significance in all countries, except a significant negative effect in Japan. The lagged growth rate of output produces significant negative and positive effects on the conditional variances in Germany and Japan, respectively. No significant effects exist in Canada, Italy, the United Kingdom, and the United States.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».