Time-scale analysis of sovereign bonds market co-movement in the EU

• Název práce v češtině: Analýza vzájemné závislosti výnosů z vládních dluhopisů v EU
• Název v anglickém jazyce: Time-scale analysis of sovereign bonds market co-movement in the EU
• Klíčová slova: Vzájemná Závislost, Waveletová Transformace, Dluhová Krize, Výnosy z Vládních Dluhopisů, Eurozóna
• Klíčová slova anglicky: Co-movement, Wavelet Transformation, Sovereign Debt Crisis, Sovereign Bond Yields, Eurozone
• Akademický rok vypsání: 2012/2013
• Typ práce: diplomová práce
• Jazyk práce: angličtina
• Ústav: Institut ekonomických studií (23-IES)
• Vedoucí / školitel: Mgr. Lukáš Vácha, Ph.D.
• Řešitel: skrytý - zadáno vedoucím/školitelem
• Datum přihlášení: 20.06.2013
• Datum zadání: 20.06.2013
• Datum a čas obhajoby: 24.09.2014 10:00
• Místo konání obhajoby: IES
• Datum odevzdání elektronické podoby: 27.07.2014
• Datum proběhlé obhajoby: 24.09.2014
• Oponenti: prof. PhDr. Ladislav Krištoufek, Ph.D.

Předběžná náplň práce

Práce analyzuje vzájemnou závislost mezi výnosy desetiletých vládních dluhopisů
jedenácti zemí EU (Řecka, Španělska, Portugalska, Itálie, Francie, Německa,
Nizozemska, Velké Británie, Belgie, Švédska a Dánska) rozdělených do tří
skupin (Jádro Eurozóny, Periférie Eurozóny, země mimo Eurozónu). V centru
pozornosti jsou změny vzájemné závislosti v období krize, zejména blízko dvou
významných událostí - pádu Lehman Brothers a veřejného ohlášení zvýšení
řeckého deficitu. Hlavní přínost práce tkví ve využití alternativní techniky -
waveletové transformace. Tato metoda dovoluje zkoumat, jak se liší vzájemná
závislost výnosů na jednotlivých škálách (frekvencích). Ke zkoumání je použita
waveletová koherence a korelace. Práce přináší tři hlavní zjištění: (1) vzájemná
závislost se signifikantně snížila v období krize, avšak jsou zde vidět rozdíly mezi
Jádrem a Periférií, (2) vzájemnou závislost se signifikantně liší napříč škálami,
ale heterogenita výsledků je v období krize menší,(3) u obou zmíněných událostí
bylo detekováno signifikatní snížení waveletové korelace napříč nižšími škálami.

Předběžná náplň práce v anglickém jazyce

MOTIVATION
Sovereign debt, its service and development is actual topic in overindebted Europe. This thesis will be aimed on relationship between sovereign bond yields (which are in fact cost of the debt) - in other words how yield paid by one state influences yield of another one. In the center of my attention is especially change of these relationships after crisis. Moreover, I would like to prove that there is contagion on sovereign bonds market, which came from Greece. As I will write later, wavelet methodology is very suitable for giving the answers on these type of questions. The answers are extremely important, because the results of the analysis will show degree of connection of European economies. Yields of chosen states (Eurozone members as well as states outside Eurozone) will be analyzed. Primary source of data will be European central bank (ECB) internet database (http://www.ecb.int).

HYPOTHESES
1. After the crisis sovereign yield of EU states became more volatile.
2. Corehence between yields of particular states is significantly stronger after the crisis.
3. Corehence is stronger if both states are Eurozone members.
4. Corehence is stronger in case of sovereign bonds with shorter maturity.
5. There is significant contagion, whose origin is in Greece.

METHODOLOGY
For the thesis I want to use wavelet methodology. This approach is unique, because it combines time-domain information (which is typical for majority of time series analysis techniques) and frequency-domain information known from spectral analysis. Wavelet coherence allows us to discover how relationship between two time series is evolving through time end frequencies. Moreover, direction of causality between time series can be identified. Another great advantage is that it can be applied on non-stationary time series. Robustness of the results can be checked by employing various types of wavelets (Haar, Mexican hat, Daubechies,...) and techniques (discrete wavelet transformation (DWT), continuous wavelet transformation (CWT), maximum overlapped DWT). Presence of contagion can be detected by rolling wavelet correlation, used for example in Rua and Nunes (2009). I will use either MATLAB or R-Project software for analysis and computation, because both of them have large amount of toolkits from which I can choose.

Summary of previous text is following:

1) Hypothesis 1 will be analyzed by wavelet power spectrum.
2) Hypotheses 2 – 4 will be analyzed by wavelet coherence map.
3) Hypothesis 5 I will analyse with help of rolling wavelet correlation.


OUTLINE
1. Introduction and motivation

2. Sovereign debt and yield
a) why government borrows and why repays
b) situation and development in EU
c) literature review – sovereign yields across the states

3. Methodology description – wavelet
a) DWT, CWT and MODWT
b) Coherence
c) Previous application of wavelets (especially in macroeconomics and yield curve analysis) – methodology and results

4. Empirical analysis
a) data description
b) wavelet power spectra and their analysis
c) wavelet coherence maps and their analysis

5. Conclusion

Appendix with additional information

CORE BIBLIOGRAPHY

1. Luís Aguiar-Conraria & Manuel M. F. Martins & Maria Joana Soares, 2010.
"The yield curve and the macro-economy across time and frequencies,"
CEF.UP Working Papers 1004, Universidade do Porto, Faculdade de Economia do Porto.


2. Luís Francisco Aguiar-Conraria & Maria Joana Soares, 2007. "Using cross-wavelets to decompose the time-frequency relation between oil and the macroeconomy,"NIPE Working Papers 16/2007, NIPE - Universidade do Minho.


3. Donald B. Percival & Andrew T. Walden, 2006. “Wavelet Methods for Time Series Analysis", Cambridge University Press, first edition, 622p.


4. James B. Ramsey, 2002. "Wavelets in Economics and Finance: Past and Future",
NYU Working Paper No. S-MF-02-02.


5. Ingrid Daubechies, 1992. "Ten Lectures on Wavelets", Society for Industrial and Applied Mathematics; 1 edition, 377p.


6. Ramazan Gencay & Faruk Selcuk & Brandon Whitcher, 2001. "An Introduction to Wavelets and Other Filtering Methods in Finance and Economics", Academic Press; 1 edition, 359p.


7. António Afonso, Manuel M.F. Martins, 2012. "Level, slope, curvature of the sovereign yield curve, and fiscal behaviour", Journal of Banking & Finance, Volume 36, Issue 6, Pages 1789-1807, ISSN 0378-4266


8. Luís Aguiar-Conraria & Nuno Azevedo & Maria Joana Soares, 2008
"Using wavelets to decompose the time–frequency effects of monetary policy",
Physica A: Statistical Mechanics and its Applications, Volume 387, Issue 12, Pages 2863-2878, ISSN 0378-4371


9. Kerstin Bernoth & Burcu Erdogan, 2012. "Sovereign bond yield spreads: A time-varying coefficient approach", Journal of International Money and Finance, Volume 31, , Pages 639-656, ISSN 0261-5606

10. António Rua, Luís C. Nunes, International comovement of stock market returns: A wavelet analysis, Journal of Empirical Finance, Volume 16, Issue 4, September 2009, Pages 632-639, ISSN 0927-5398