Browsing by master's degree program "Taloustieteen maisteriohjelma"

Flash crashes are one of the most prominent market inefficiencies which are recognized in stock and index prices. They violate the hypothesis of efficient markets and affect the real economy as well. Their proper forecasting has not been possible with conventional methods due to their seeming rarity and extremity. Furthermore, they are difficult to detect from the noise of price processes. By augmenting the HAR model with company-specific news data aim is to improve volatility estimates on days when these extreme events occur. These days are first identified from the price processes by a novel statistical method called V-statistic, which detects statistically significant flash crashes. Data is every fulfilled trade for six stocks from New York Stock Exchange, and company-specific news flow data which is obtained from RavenPack News Analytics service. Both data sets cover the years 2014 to 2016. HAR model is estimated for all six stocks with and without the news data and the in-sample-model estimates are compared both on the full data and on the days when flash crashes occur. Results are ambiguous but they give slight signs that news data could be useful for improving volatility estimates on the days when flash crashes occur. Model volatility estimates are better on average when augmented with news data. Mean absolute percentage error is 0.1% smaller on average across all entities when augmenting the model with news data. However, there are differences across companies on how much and if at all news data improves models' performance. In conclusion, further work is needed to verify the usefulness of news data in forecasting flash crashes.

Producing timely information regarding the current and future state of the economy is important for the practice of economic policy: the delay between the implementation of policy measures and the emergence of their effects is typically considerable, which creates a need to anticipate developments in macroeconomic variables. The producer price index is one such variable: producer price indices are used to track changes in the general price level of goods produced within an economy from the point-of-view of producers, which makes them prominent indicators of inflationary pressures and business cycle conditions. The principal objective of this thesis is to investigate whether the Finnish Producer Price Index for Manufactured Goods could be reliably forecasted in the short run using large sets of external predictors. Increasing the number of predictors exposes standard forecasting methods to inaccuracies and makes their application outright infeasible once the number of variables exceeds the number of observations available for the estimation of the forecasting model. Various alternative methods have been proposed to counter this issue. This thesis provides a broad overview of these methods as well as other relevant issues pertaining to the forecasting macroeconomic variables. Given that no single framework has proven to dominate others in practical applications, a selection of methods has been chosen for the empirical section of this thesis. These methods represent two different approaches to high-dimensional forecasting: dynamic factor models and penalized regressions. The effectiveness of dynamic factor models is based on the assumption that relevant information contained in high-dimensional data can be summarized using only relatively few underlying factors, the estimates of which can, in turn, be used for forecasting. The solution offered by penalized regressions, on the other hand, is based on striking a balance between the bias and variance of the forecasts. Out of the broader class of penalized methods, four different variations will be utilized in this thesis: the Ridge, Lasso, Elastic Net, and Adaptive Lasso. The empirical performance of the methods will be assessed by conducting a simulated out-of-sample forecasting experiment, in which a series of consecutive forecasts are estimated for the target variable using historical data. These forecasts are, in turn, compared to their realized counterparts. The objective of the experimental arrangement is to produce representative information regarding the empirical accuracy of the respective forecasting models by emulating circumstances faced in real-time forecasting: only information that would have been available at the time is used to produce each forecast. The set of predictors used in the experiment is composed of monthly economic time series collected from a variety of sources. Based on the forecasting experiment, the benefit of the high-dimensional models in terms of average forecasting accuracy turns out to be only marginal in comparison to a univariate autoregressive benchmark at the one-, two-, and three-month horizons. Moreover, the differences among the respective high-dimensional methods are found to be insignificant. On the other hand, more favorable results are achieved by using relatively timely market-based variables to predict the concurrent rather than strictly future values of the index. In this case, the penalized models perform particularly well. The results indicate that leveraging the advantage in publication lag enjoyed by external predictors for the purpose of contemporaneous prediction, or nowcasting, could represent the most potential for predicting the producer price index.

Työn tuottavuuden merkitys kansantalouden tasolla talouskasvulle ja mikrotaloustasolla yritysten tapauksessa niiden menestymiselle on merkittävä. Työn tuottavuuteen vaikuttavien tekijöiden kirjo on laaja ja tässä tutkielmassa keskitytään tarkastelemaan henkisen pääoman vaikutusta työn tuottavuuteen. Tarkastelun keskiössä on keinot henkisen pääoman konvertoimiseksi henkilöstötuottavuudeksi ja henkilöstötuottavuuden tilan mallintamiseksi. Tutkimuskysymyksenä tarkastellaan suomalaisten yritysten kannattavuuden ja henkilöstötuottavuusindeksin korrelaatiota. Henkisen pääoman olemassaolo ei ole tae yrityksen menestymiselle. Keskeistä henkilöstötuottavuuden kannalta on ottaa yrityksen omaama henkinen pääoma hyötykäyttöön. Haasteelliseksi tilanteen tekee se, että henkinen pääoma on sidoksissa yrityksen henkilöstöön. Tutkielmassa esiteltävän aiemman kirjallisuuden mukaan henkilöstötuottavuuden stimuloimisessa johtamiskäytänteet ja toimintatavat työyhteisöissä ovat mahdollisia keinoja vaikuttaa henkilöstötuottavuuden kehittymiseen työyhteisössä. Tutkielmassa henkilöstötuottavuutta kuvataan henkilöstötuottavuusindeksin (HTI) avulla. Menetelmä perustuu Ossi Auran ja muun tutkimusryhmän kehittämään malliin kuvata työyhteisön henkilöstötuottavuuden tilaa. Mallin keskeisiä piirteitä on jaotella henkilöstötuottavuus kolmen osatekijän summaksi: motivaatio, osaaminen ja työkyky. Tiedonkeruumenetelmänä henkilöstötuottavuusindeksin laskemiseksi toimii työyhteisöiden tilaa kuvaavien työyhteisökyselyiden hyödyntäminen. Yritysten taloudellista tilaa tarkastellaan tilinpäätöstietojen perusteella ja kannattavuuden indikaattorina toimii yrityksen käyttökateprosentti. Tutkimusmenetelmänä toimii pitkittäinen tutkimus. Aineisto on kerätty Työeläkeyhtiö Elon asiakkaille tarkoitetun työyhteisökyselyn avulla siten, että aineistoon valittu yritys on suorittanut vähintään kahdesti. Henkilöstötuottavuusindeksin ja yritysten taloudellisen tilanteen yhteyttä tarkastellaan lineaarista regressiomallia hyödyntäen. Empiirisessä osiossa tarkastelun kohteena on henkilöstötuottavuusindeksin ja yritystoiminnan kannattavuuden sekä henkilöstötuottavuusindeksin ja yritystoiminnan kasvun yhteys. Kannattavuuden muutosta kuvataan sekä käyttökateprosentin prosenttiyksiköittäisen että prosentuaalisen muutoksen avulla. Liiketoiminnan kasvua kuvataan liikevaihtoprosentin prosentuaalisen muutoksen avulla. Lineaarisen regressiomallin tuloksia tarkastellaan koko aineiston tasolla sekä osajoukkojen osalta valittujen määrittävien tekijöiden osalta. Tutkielman empiirisen osion tuloksien mukaan HTI:n muutoksien osalta, motivaatio on tärkein kolmesta osatekijästä. Itse tutkimuskysymyksen osalta saavutetut tulokset osoittavat, että henkilöstötuottavuuden ja yritysten kannattavuuden välillä ei havaita selkeää yhteyttä. Yhteyttä ei ole havaittavissa myöskään henkilöstötuottavuusindeksin ja liiketoiminnan kasvun väliltä. Tutkielman empiirinen osuus antaa hyvin perspektiiviä tutkittavaan ilmiöön ja antaa syytä aiempien tutkimusten tulosten kriittiselle tarkastelulle. Henkilöstötuottavuusindeksin muutoksien osalta motivaatio on tärkein kolmesta osatekijästä.

Labor market effects of military service have been a popular topic for economic research, and in a subset of these studies, interactions with elements like race, parental socioeconomic status, and ability have been submitted as considerations. Introducing an Mincer-type empirical model for framing the problem, I undertake a literature survey of studies concerning themselves with such treatment effect heterogeneities, complemented by a brief empirical survey using CPS data. It is found that, whether the overall effect of service is positive or negative, comparatively gains/non-losses in earnings and education tend to accrue to the disadvantaged individuals over advantaged ones. The plurality of studies correspondingly find positive-to-neutral effects along this gradient, although neutral-to-negative findings are also featured. The contexts under study commonly involve notable influence from educational subsidies and draft deferment incentives, but there are some counterfactuals, which however are unable to establish a definite causal mechanism between service and earnings or education. The main findings of the paper should be considered in making adjustments to existing compulsory service policies.

The measured gross domestic product, GDP, does not consider non-paid homework in its figures. However, the relative size of the so called household production is large both from time use perspective but also as monetary wise. According to Statistics Finland, the non-salaried homework was 39.8 % of the measured Finnish GDP in 2016. Moreover, Finns spent on average three hours and 21 minutes on daily basis on household production in 2009. Yet, the standard economic theory also excludes household production in the models although individuals are known to allocate their time between market work, homework and leisure. The real business cycle theory attempts to explain and study the properties of business cycles. In this Master’s Thesis, the household production is studied within the real business cycle (RBC) theory. The purpose is to compare the benefits of including household production into the real business cycle model to the standard alternative where it is excluded. Real business cycles are studied by constituting a dynamic stochastic general equilibrium model (DSGE) for both cases: one for the household production and one for the standard non-household production. The models constituted are for a frictionless closed economy. Both models are then calibrated with Finnish figures and simulated. The results indicate that market hours are procyclical in both models. However, the correlation between output and market hours is 1.33 times larger in the household production model than in the standard model. Also, the household production model generates highly countercyclical home hours. Yet, the Finnish time use data cannot prove the procyclicality of household production hours. The main reason is that the time use research is conducted only every ten years. Also, the timing of the research does not reconcile with the Finnish recessions. Hence, the data available cannot explain the countercyclical home hours indicated by the household production real business cycle model. In this sense, the results presented can only be taken as describing facts of the Finnish economy when household production is considered.

In social sciences, as in health sciences, there is an increasing interest in exploring differences in treatment effects amongst subpopulations and even individuals. In many cases, researchers must rely on observational data where the assignment mechanism of the treatment is non-randomized. Nevertheless, by including a sufficient set of covariates in the used model, it is possible to draw a causal inference. However, some causal structures have proved to cause bias in the treatment effect estimates when particular pre-treated variables in them are conditioned. In existing literature there is no consensus as to how to treat these structures, especially in the heterogeneous treatment effect estimation case. The aim of this thesis is to explore how causal structures affect covariate selection in the heterogeneous treatment effect estimation context. The theoretical background of this subject is built on the potential outcomes framework and structural causal models. This thesis provides an overview of heterogeneous treatment effect estimation methods, including a more detailed view on the causal forest method. The second stage of the thesis is carried out by executing a simulation study where the causal forest method is applied with different causal structures. In each simulation, different sets of conditioned covariates are tested. The simulation study results prove almost consistent. In every simulation except one, a higher number of variables implicates improvement in performance. Surprisingly, this result is applicable even to the cases where structural causal models literature suggests not to condition all the variables. According to the results of the simulation study, a practical recommendation would be to include as many relevant pre-treated, non-instrumental variables in the model as possible. The results are in line with practical recommendations given in potential outcomes framework literature.

This thesis attempts to examine how much a representative consumer per each country is willing to pay to avoid global warming by analysing their welfare gains from having a smoother consumption path. Temperature variations affect economic activity, and consumption is subject to shocks related to global warming. I start by reviewing the economic literature that studied the relationship between temperatures and economic activity. I highlight which are the main effects on the economy that are correlated to rising temperatures and I review the methods that are usually employed by economists to assess environmental damages. I then take a sample of 163 countries and compute the welfare gains for each country for having a smoother consumption path, following the method used by Lucas (2003). To do this, I use country-level household consumption data and I set values for the risk aversion coefficient following the suggestions of the previous economic literature. I repeat the experiment with a smaller sample of 72 countries, this time using country-specific risk aversion coefficients retrieved from Gandelman and Hernández-Murillo (2015). In both cases, I obtain that most of the countries have welfare gains lying in the order of 10^-2 and 10^-3. Using annual temperature data, I test the Spearman correlation coefficient between welfare gains and average temperatures. Although the previous literature stressed the adverse effects of global warming on the economy, I find no significant correlation between these two variables. Countries that are more at risk do not display higher welfare gains than countries with a lower risk of imminent climate damages. To explain my results, I then consider determinants of risk aversion other than temperature and conclude that risk aversion, and consequently the value of welfare gains, can depend on several other factors.

Tutkielmassa tutkin kuluttajan valintakäyttäytymistä hyväntekeväisyydessä ja hyväntekeväisyysjärjestöjen käyttämiä tuuppauksia lahjoituksien lisäämiseksi. Tuuppauksilla tarkoitetaan mitä tahansa valinta-arkkitehtuurin muotoa, jolla voidaan vaikuttaa kuluttajan käyttäytymiseen kuluttajan valinnanvapauteen ja kustannuksiin koskematta. Tutkimuksen tarkoituksena on selvittää, miten tuuppaukset vaikuttavat hyväntekeväisyyslahjoituksiin. Jotta voidaan ymmärtää tuuppauksien muodostamaa kokonaisuutta, on tärkeää ensin ymmärtää, miten kuluttajat toimivat erilaisissa valintatilanteissa, ja miksi kuluttajat lahjoittavat hyväntekeväisyyteen. Hyväntekeväisyysjärjestöt käyttävät tuuppauksien avulla näitä tietoja apunaan kerätessään lisää lahjoituksia. Tutkimuksessa tarkastelen tarkemmin kolmea eri tuuppausstrategiaa verraten niitä muihin asiayhteyksiin. Näiden lisäksi tutkin, voiko aikaepäjohdonmukaisuutta käyttää tuuppauksena. Oikein käytettynä tuuppaukset ovat tehokkaita työkaluja, mutta ne ovat herkkiä muutoksille ja saattavat helposti aiheuttaa erilaisia heijastusvaikutuksia, jotka voivat näkyä negatiivisina sivuvaikutuksina. Tuuppaukset herättävät huolta niiden eettisyyden kannalta. Vaikka hyväntekeväisyydessä lahjoitukset menevät hyvään tarkoitukseen, onko eettisesti oikein käyttää hyväksi tietoa siitä, miten kuluttajat käyttäytyvät lahjoitustilanteissa.

Kartellit ovat yksi vakavimmista keinoista rajoittaa markkinoiden vapaata kilpailua. Tämän takia on tärkeää, että kilpailupolitiikalla pyritään torjumaan niitä mahdollisimman tehokkaasti. Tänä päivänä keskeinen kilpailupolitiikan väline kartellien torjumiseksi on leniency- eli ilmiantojärjestelmä. Ilmiantojärjestelmällä luodaan kartellin muodostaneille yrityksille kannustin ilmiantaa kartelli kilpailuviranomaiselle lupaamalla ilmiantavalle yritykselle esimerkiksi lievennys kartellista kiinnijäämisen myötä aiheutuvaan seuraamusmaksuun. Tässä tutkielmassa tarkastellaan, miten ilmiantojärjestelmä kartelleja torjuvana kilpailupolitiikan välineenä vaikuttaa yritysten kartellikäyttäytymiseen. Tutkielma on kirjallisuuskatsaus, jossa syvennytään aiempaan taloustieteelliseen kirjallisuuteen ilmiantojärjestelmistä. Ilmiantojärjestelmän vaikutusten yritysten kartelliin ryhtymisen ja sen ilmiantamisen kannustimiin tarkastelu aloitetaan käsittelemällä yksityiskohtaisesti Mottan ja Polon (2003) malli ilmiantojärjestelmästä. Tämän jälkeen perehdytään ilmiantojärjestelmiä käsittelevään kokeellisen taloustieteen empiriaan käymällä läpi Apesteguian, Dufwenbergin ja Seltenin (2007) sekä Hinloopenin ja Soeteventin (2008) tutkimukset. Kokeellisen taloustieteen empiriaa hyödyntäen voidaan vertailla erilaisia ilmiantojärjestelmiä sekä tarkastella, miten teoreettiset mallit mahdollisesti toimivat käytännössä. Huomataan, etteivät teoreettisten mallien ennusteet ja empiiriset tulokset ilmiantojärjestelmän toimivuudesta ja tehokkuudesta välttämättä ole yhteneväisiä. Tarkastelun perusteella havaitaan lisäksi, että ilmiantojärjestelmällä voidaan onnistua sekä saamaan kartellin jäsenet tekemään ilmianto että estämään kartellin muodostaminen kokonaan. Toisaalta on myös mahdollista, että ilmiantojärjestelmä kannustaa kartelliin ryhtymiseen, mikäli esimerkiksi ilmiantamisen seurauksena on mahdollista saada positiivinen palkkio. Ilmiantojärjestelmän ominaisuuksilla, kuten seuraamusmaksun alennuksen suuruudella, onkin keskeinen vaikutus siihen, miten ilmiantojärjestelmä vaikuttaa yritysten kartellikäyttäytymiseen. Tutkielman lopussa syvennytään pohtimaan keskeisiä ilmiantojärjestelmän ominaisuuksia. Yhteenvetona optimaalisen ilmiantojärjestelmän kiteytetään olevan kompromissi sen kartelleja torjuvan ja stabiloivan vaikutuksen välillä.

The topic of this thesis is to explore the impact of immigration on the task specialization of natives. According to the literature, immigration does not have a significant negative impact on the employment nor the wages of natives. A one possible reason for this can be imperfect substitutability which means that natives and immigrants with similar education are not perfect substitutes and thus, they do not compete for the same jobs. Natives may have a comparative advantage in interactive tasks and immigrants in manual tasks. An exact research question is to investigate if less educated natives locate to less manual and more interactive jobs as the shares of similarly educated foreign-born people rise. This is implemented by constructing variables which describe the manual and interactive task intensities of different occupation classes. Peri and Sparber (2009) and Amuedo-Dorantes and de la Rica (2011) have investigated similar questions and therefore, their studies are the main references of this thesis. The data of this study is provided by Ipums International and O*Net data from the US Department of Labor. The first of these two is census microdata from France and it includes eight samples between the years 1962 and 2011. The second dataset contains numerical values which describe the importance of different abilities of different occupations. The analysis is made by applying the method of ordinary least squares and the method of instrumental variables. The instrumental variable for the shares of foreign-born workers is formed by imputing the shares of immigrants from several source countries, based on the distribution of immigrant groups across regions in the year 1962. The results support the hypothesis rather well. A one percentage point increase in the foreign-born share of less educated labour force lowers the manual-to-interactive task ratio of natives by approximately two percentages on average. However, the results regarding to different demographic groups are varied. The most unexpected observation is that the share of female immigrants affects the task specialization of both male and female natives much more than share of male immigrants does. In addition, education, age, the industry of occupation, and the business cycle of an economy seem to have impact on the possibilities of natives to shift to less manual and more interactive tasks. The results suggest that inflows of less educated immigrants indeed push less educated natives towards less manual and more interactive jobs. Nonetheless, because the estimates of previous studies have been smaller, it is likely that the estimates of this thesis are biased upward and the real impact of immigration on the task specialization of natives is more moderate.