Trend‐cycle correlation, drift break and the estimation of trend and cycle in Canadian GDP

Abstract

Abstract.  Univariate correlated trend cycle models are highly sensitive to the specifications of breaks in the data. This paper argues, using Monte Carlo experiments, that a bivariate correlated unobserved components (UC) framework with breaks delivers substantially more accurate results for the trend‐cycle parameters than the corresponding univariate frameworks in a finite sample size. The paper estimates stochastic trend and cyclical fluctuations in Canada from a bivariate UC model. Results show a fairly volatile stochastic trend after the drift break and the negative trend‐cycle shock correlation are accounted for. The estimated cyclical component is large, persistent, and consistent with ECRI denoted Canadian recessions. Les modèles de la tendance et du cycle (où il y a corrélation) sont très sensibles à la spécification de discontinuités dans les données. Ce mémoire suggère, en utilisant les méthodes de Monte Carlo, que les modèles à deux variables utilisant les composantes non observées (CNO) avec discontinuités donnent des résultats plus précis pour les paramètres tendance‐cycle que le modèle précédent dans un échantillon de taille finie. On calibre la tendance stochastique et les fluctuations cycliques au Canada à l'aide du second modèle. Les résultats révèlent une tendance stochastique relativement volatile après avoir pris en en compte la discontinuité, et une corrélation négative entre tendance et cycle. La composante cyclique est importante et persistante et s'arrime bien aux récessions enregistrées par le ECRI.