Короткострокове прогнозування базової інфляції в Україні: підхід із комбінованою ARMA-моделлю
a Національний банк України, Київ, Україна
b Київська школа економіки, Київ, Україна
Анотація

Здатність надавати якісні прогнози інфляції має вирішальне значення для сучасних центральних банків. Прогнозування інфляції необхідне для розуміння її поточних і майбутніх тенденцій, оцінки ефективності попередніх політичних дій, прийняття нових політичних рішень та зміцнення довіри до центрального банку в очах громадськості. Це мотивує до постійного пошуку нових підходів до складання прогнозів інфляції. У статті аналізується емпірична ефективність кількох альтернативних моделей прогнозування інфляції, протиставляються структурні та базовані на даних підходи, а також на агрегування та дезагрегування даних. Показано, що комбінована ARMA-модель із базованими на даних бінарними змінними, що використовують дезагреговані дані базової інфляції для України, дають змогу значно підвищити якість прогнозу порівняно з базовою структурною моделлю, заснованою на агрегованих даних.

Дати публікації
Опубліковано онлайн 30 June 2019
2253
перегляди
752
завантаження
Текст Статті
Завантажити
Цитування
Стаття є перекладом з англійської. Під час цитування використовуйте оригінальну назву публікації
Цитуйте як: Krukovets, D., Verchenko, O. (2019). Short-Run Forecasting of Core Inflation in Ukraine: a Combined ARMA Approach. Visnyk of the National Bank of Ukraine, 248, 11-20. https://doi.org/10.26531/vnbu2019.248.02
Формат цитування

Метрики
Література

Batini, N., Nelson, E. (2001). The lag from monetary policy actions to inflation: Friedman revisited. Discussion Paper, 6. Bank of England. Retrieved from https://www.lancaster.ac.uk/staff/ecajt/inflation%20lags%20money%20supply.pdf

Benalal, N., Hoyo, J., Landau, B., Roma, M., Skudelny, F. (2004). To aggregate or not to aggregate? Euro-area inflation forecasting. Working Paper Series, 374. European Central Bank. Retrieved from https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp374.pdf

Bermingham, C., D’Agostino, A. (2011). Understanding and forecasting aggregate and disaggregate price dynamics. Working Paper Series, 1365. European Central Bank. Retrieved from https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1365.pdf

Bos, C., Franses, P., Ooms, M. (2002). Inflation, forecast intervals and long memory regression models. International Journal of Forecasting, 18(2), 243-264. https://doi.org/10.1016/S0169-2070(01)00156-X

Diebold, F., Mariano, R. (1995). Comparing predictive accuracy. Journal of Business and Economic Statistics, 13(3), 253-263. https://doi.org/10.1080/07350015.1995.10524599

Edge, R., Gurkaynak, R. (2010). How useful are estimated DSGE model forecasts for central bankers? Brookings Papers on Economic Activity, 2. Retrieved from https://www.phil.frb.org/-/media/research-and-data/events/2012/datarevision/papers/Edge_Gurkaynak.pdf

Faryna, O. (2016). Nonlinear exchange rate pass-through to domestic prices in Ukraine. Visnyk of the National Bank of Ukraine, 236, 30-42. https://doi.org/10.26531/vnbu2016.236.030

Gruen, D., Romalis, J., Chandra, N. (1997). The lags of monetary policy. Retrieved from https://www.bis.org/publ/confp04l.pdf

Grui, A., Lepushynskyi, V. (2016). Applying foreign exchange interventions as an additional instrument under inflation targeting: the case of Ukraine. Visnyk of the National Bank of Ukraine, 2016, 238, 39-56. https://doi.org/10.26531/vnbu2016.238.039

Grui, A., Vdovychenko, A. (2019). Quarterly projection model for Ukraine. NBU Working Papers, 3/2019. Kyiv: National Bank of Ukraine. Retrieved from https://bank.gov.ua/news/all/kvartalna-proektsiyna-model-dlya-ukrayini

Hendry, D., Hubrich K. (2011). Combining disaggregate forecasts or combining disaggregate information to forecast an aggregate. Journal of Business & Economic Statistics, 29(2), 216-227. https://doi.org/10.1198/jbes.2009.07112

Huwiler, M., Kaufmann, D. (2013). Combining disaggregate forecasts for inflation: The SNB’s ARIMA model. Swiss National Bank Economic Studies, 7. Retrieved from https://www.snb.ch/n/mmr/reference/economic_studies_2013_07/source/economic_studies_2013_07.n.pdf

Kongcharoen, C., Kruangpradit, T. (2013). Autoregressive integrated moving average with explanatory variable (ARIMAX) model for Thailand export. 33rd International Symposium on Forecasting. Seoul.

Koop, G., Korobilis, D. (2012). Forecasting inflation using dynamic model averaging. International Economic Review, 53(3), 867-886. https://doi.org/10.1111/j.1468-2354.2012.00704.x

Schorfheide, F., Song, D. (2013). Real-time forecasting with a mixed-frequency VAR. Working Paper, 19712. National Bureau of Economic Research. https://doi.org/10.3386/w19712

Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6, 461-464. https://doi.org/10.1214/aos/1176344136

Stelmasiak, D., Szafranski, G. (2016). Forecasting the Polish inflation using Bayesian VAR models with seasonality. Central European Journal of Economic Modelling and Econometrics, CEJEME, 8(1), 21-42. Retrieved from http://cejeme.org/publishedarticles/2016-24-25-635945306981718750-3327.pdf

West, K. (1996). Asymptotic inference about predictive ability. Econometrica, 64, 1067-1084. https://doi.org/10.24425/cejeme.2016.119185

Yau, R., Hueng, C .J. (2019). Nowcasting GDP growth for small open economies with a Mixed-Frequency Structural Model. Computational Economics, 54, 177-198. https://doi.org/10.1007/s10614-017-9697-1

Zellner, A., Tobias, J. (1999). A note on aggregation, disaggregation and forecasting performance. Journal of Forecasting 19(5). https://doi.org/10.1002/1099-131X(200009)19:5%3C457::AID-FOR761%3E3.0.CO;2-6

Права та Дозволи
Ця стаття ліцензована відповідно до Creative Commons Attribution-NonCommercial 4.0 International License. Якщо інше не зазначено, рисунки та інші матеріали представлені на загальних для усієї статті умовах ліцензії Creative Commons. Якщо матеріали не ліцензовані відповідно до Creative Commons, користувачі мають запитувати у власника прав дозволу на їх відтворення чи використання.
Подати статтю