Modeling Chinese provincial business cycles

• Auteur / Autrice : Jamel Gatfaoui
• Direction : Eric Girardin
• Type : Thèse de doctorat
• Discipline(s) : Sciences économiques
• Date : Soutenance le 14/05/2012
• Etablissement(s) : Aix-Marseille
• Ecole(s) doctorale(s) : École doctorale Sciences Economiques et de Gestion d'Aix-Marseille (Aix-en-Provence ; 2000-....)
• Partenaire(s) de recherche : Equipe de recherche : Groupe de recherche en économie quantitative d'Aix-Marseille (1981-2011)
• Jury : Président / Présidente : Mohamed Boutahar
• Jury : Examinateurs / Examinatrices : Eric Girardin, Mohamed Boutahar, Yin-Wong Cheung, Monica Billio, Anne Péguin-Feissolle
• Jury : Rapporteur / Rapporteuse : Yin-Wong Cheung, Monica Billio

Mots clés

Mots clés contrôlés

Chine

Développement économique

Développement économique -- Modèles mathématiques

Markov, Processus de

Mots clés libres

Chine

Cycle de croissance

Cycle saisonnier

Points de retournements

Chaine de Markov

Modèle à composantes inobservables

China

Deviation cycles

Seasonal cycles

Turning points

Markov chain

Unobserved component model

Résumé

Cette thèse étudie les cycles économiques provinciaux chinois durant la période 1989-2009. Dans un premier temps, Nous utilisons une variété de techniques afin d'examiner la nature et le degré de comouvement entre les cycles de croissance provinciaux chinois. Nous détectons différentes propriétés des cycles de croissance provinciaux. En utilisant une méthodologie de classification basée sur un modèle, nous constatons que les provinces peuvent être classées parmi cinq classes en fonction des mesures standards des caractéristiques cycliques. Bien que la majorité des provinces a connu la récession qui a eu lieu autour de la crise asiatique, la nation dans son ensemble a connu une phase d'expansion. En outre, toutes les provinces, ont connu la récession liée à la crise financière internationale qui a eu lieu en 2007/2008 à l'exception du Jiangsu et Tianjin. Toutes les provinces côtières, sauf Hainan, sont significativement synchronisées avec le cycle national. En outre, nous constatons que les quatre principales récessions nationales sont bien diffusées dans tout le pays. Ensuite, nous analysons la co-cyclicité entre les provinces dans chacune des six régions définies par Groenewold et al. (2008). Nous nous basons sur la décomposition tendance-cycle en utilisant le modèle à composantes inobservables univarié et multivarié. Nous trouvons que La majorité des cycles provinciaux reflètent des chocs de la demande plutôt que des chocs de l'offre. En examinant si des cycles communs existent au sein de chaque région, nous pouvons formuler des conclusions sur la pertinence de la définition de ces régions.

This thesis deals with the Chinese provincial growth cycles over the period 1989-2009. First, we use a variety of techniques to examine the nature and degree of comovement among Chinese provincial growth cycles. We detect different properties of the provincial growth cycles. Using a model-based clustering methodology, we find that provinces can be classified among five major clusters as a function of standard measures of cyclical characteristics. Although the majority of provinces experienced the recession that occurred around the Asian crisis, the nation as whole experienced an expansionary phase. Moreover, all the provinces experienced the recession related to the subprime crisis that occurred in 2007/2008 except Jiangsu and Tianjing. However, All coastal provinces except Hainan are significantly synchronized with the national cycle. Furthermore, we find that the main four national recessions are well diffused across the country. Then, we analyse the co-cyclicality between provinces in each of the six regions defined by Groenewold et al. (2008). We rely on trend-cycle decomposition by using both univariate and multivariate unobserved component model. The majority of provincial cycles reflect demand rather than supply-side shocks. By examining the commonality of provincial growth cycles within each region, we ask whether the definition of these regions is supported by statistical analysis. We find mixed results. Finally, we use a Markov switching model that allow for the identification of business/seasonal cycle interaction.