Predicting Czech Economic Activity Using Toll Data

Abstract

Many analysts coincide that transportation is closely linked to economic activity. How- ever, data containing information about transportation have not been part of their re- search for a long time. Introduction of electronic toll collection systems in recent years led to a new source of data containing information about truck transport. This thesis aims to examine the ability of seasonally adjusted toll data to predict Czech economic activity. Economic activity is represented by four variables - real GDP, nominal GDP, in- dustrial production index and the volume of foreign trade. Seven models - five dynamic models, ARIMA model, and regression with ARIMA error - are constructed for each dependent variable. These models are then compared using both Akaike and Bayesian information criterion and the most appropriate model for each dependent variable is selected. It was concluded that both real GDP and industrial production index can be predicted using toll data. Both the number of kilometers travelled, and the amount of toll collected seems to be good predictors of economic activity. Particularly, data con- taining information about toll collected might be more beneficial because the amount of toll collected in given quarter can even predict economic activity in the next quarter. 1

Mnoho analytiků se shoduje v tom, že doprava je zce spojena s ekonomickou aktivitou. Nicmně, data obsahujc informace o dopravě dlouhou dobu nebyla součst jejich vzkumů. Zaveden elektronickch systmů vběru mtnho vedlo v nedvn době k novmu zdroji dat, kter obsahuj informace o kamionov dopravě. Jsou tedy užitečnm zdrojem infromac, kter může bt použit k předpovědi ekonomick aktivity. Clem tto prce je zkoumn schopnosti seznně očištěnch dat z mtnch bran předpovdat ekonomickou aktivitu Česk republiky. Ekonomick aktivita je zastoupena čtyřmi proměnnmi - relnm HDP, nominlnm HDP, indexem průmyslov produkce a objemem zahraničnho obchodu. Sedm modelů - pět dynamickch modelů, ARIMA model a regrese s ARIMA chybou - jsou sestraveny pro každou zvislou proměnnou. Tyto modely jsou pot srovnny pomoc Akaikeho a Bayesova informačnch kritri a pro každou zvislou proměnnou je vybrn ten nejvhodnějš model. Jak reln HDP, tak i index průmyslov produkce lze předpovědět pomoc mtnch dat a počet projetch kilometrů i vybranho mta se zd bt dobrm prediktorem ekonomick aktivity. Zejmna, vybran mto může bt přnosnějš, jelikož lze pomoc něj předvdat ekonomickou aktivitu dokonce i v nsledujcm kvartlu. 1