velikost textu

Can Bayesian econometric methods outperform traditional econometrics in inflation forecasting?

Upozornění: Informace získané z popisných dat či souborů uložených v Repozitáři závěrečných prací nemohou být použity k výdělečným účelům nebo vydávány za studijní, vědeckou nebo jinou tvůrčí činnost jiné osoby než autora.
Název:
Can Bayesian econometric methods outperform traditional econometrics in inflation forecasting?
Název v češtině:
Může Bayesovská ekonometrie překonat tradiční ekonometrické modely v předpovídání inflace?
Typ:
Rigorózní práce
Autor:
RNDr. Josef Stráský
Vedoucí:
PhDr. Jaromír Baxa, Ph.D.
Oponent:
PhDr. Martin Netuka
Id práce:
103886
Fakulta:
Fakulta sociálních věd (FSV)
Pracoviště:
Institut ekonomických studií (23-IES)
Program studia:
Ekonomické teorie (N6201)
Obor studia:
Ekonomie (E)
Přidělovaný titul:
PhDr.
Datum obhajoby:
30. 3. 2011
Výsledek obhajoby:
Prospěl/a
Jazyk práce:
Angličtina
Klíčová slova:
Bayesovská ekonometrie, předpovídání inflace, Česká republika, Thielovy testy
Klíčová slova v angličtině:
Bayesian econometrics, inflation forecastin, Czech republic, Thiel tests
Abstrakt:
Vzhledem k tomu, že mnoho centrálních bank opustilo režim cílování peněžní zásoby a přešlo k režimu cílování inflace, stalo se předpovídání inflace zásadním, jak pro politické rozhodování, tak pro soukromé aktéry, kteří se snaží rozpoznat rozhodnutí centrální banky a reagovat na něj. Předpovídání inflace není jednoduché, neboť modely zahrnující jednu proměnnou, stejně jako strukturální makroekonomické modely, jsou, pokud se týká schopnosti předpovědi, překonávány naivní předpovědí, která je výsledkem modelu náhodné procházky. Cílem této práce je předpovídat inflaci v České republice použitím bayesovského ekonometrického modelu (konkrétně bayesovské vektorové autoregrese - BVAR). Bayesovské modely se osvědčily při předpovídání inflace ve vyspělých zemích (Fabio Canova: G-7 Inflation Forecasts: Random Walk, Phillips Curve or What Else?, 2007). Bayesovská ekonometrie je jednou z nejrychleji se rozvíjejících oblastí ekonometrie za poslední dvě desetiletí. Ve centru bayesovského přístupu leží bayesovská pravděpodobnostní teorie, která je založena na konceptu podmíněné pravděpodobnosti. Tento přístup je ovšem výpočetně poměrně náročný a jeho praktické využití bylo umožněno teprve díky rychlému rozvoji výpočetní techniky. Odhady modelů jsou založené na kombinaci určitých předpokladů (priors) spolu s informací pocházející z naměřených dat. Většina ekonometrických modelů má dnes i své bayesovské varianty (včetně metody nejmenších čtverců), ovšem v této práci je využívána především bayesovská vektorová autoregrese (BVAR). V rigorózní práci jsem porovnal předpovědi různých modelů pomocí Provedl experiment, jehož cílem bylo určit nejlepší prediktory pro předpověď inflace, které by měly být zahrnuty ve VAR modelech. Použil jsem proto rozsáhlý soubor čítající téměř 80 časových řad, které zachycují důležité ekonomické indikátory, včetně vpřed hledících indikátorů získaných na základě průzkumů. Výsledkem hledání vhodných prediktorů je, že nezaměstnanost mezi ně nikdy nepatří (Phillipsova křivka se tudíž nepotvrdila jako využitelný vztah), statistiky zachycující HDP jsou použity pouze pro dlouhodobé předpovídání inflace, zatímco vpřed hledící indikátory jsou důležité pro krátkodobé předpovědi. Použití modelů typu BVAR místo VAR modelů přineslo smíšené výsledky. Uvedeny jsou též předpovědi inflace pro roky 2010 a 2011 a krátce jsou diskutovány možnosti dalšího výzkumu.
Abstract v angličtině:
Forecasting of inflation has become crucial for both policy makers and private agents who try to understand and react to Central Bank decisions because many Central Banks implemented inflation targeting rules instead of control of monetary aggregates. Inflation forecasting is considered to be very complicated issue because univariate regression models and structural macroeconomic models are usually outperformed by naive random walk model. This work is intended for forecasting inflation in the Czech Republic by employing Bayesian econometric method (namely Bayesian vector autoregression - BVAR). Bayesian methods proved to be useful in inflation forecasting in developed countries (Fabio Canova: G-7 Inflation Forecasts: Random Walk, Phillips Curve or What Else?, 2007). Bayesian econometrics is one of the fast developing fields of econometrics for past two decades. In the centre of the approach is Bayesian probabilistic theory based on conditional probabilities. This probabilistic approach is, however, computationally demanding. Fast computer evolution enables wide applications of Bayesian models. Model estimations are based on combining information from some prior beliefs and from the data. Many different sorts of models have their Bayesian variants (e.g. OLS) but the emphasis in this work is on Bayesian Vector autoregression (BVAR). One of the aims of the thesis is to become familiar with principles of Bayesian econometrics. In this thesis, I compared the forecasting performance of various models by applying the Theil U-statistics. Since VAR models were able to outperform Random Walk in pseudo out-of-sample forecasts, I undertook an experiment with the aim to identify the best inflation predictors, that should be included within the VAR model. For this purpose I employed a set of almost 80 time series covering various economic indicators including forward looking variables extracted from surveys. I have found that unemployment is never in the set of best predictors (rejection of Phillips curve as useful relationship), GDP measure appears only in the long term forecast, whereas forward looking indicators are important for shorter forecast horizons. Employing of BVAR models instead of VAR have brought mixed results. Out of sample predictions for years 2010 and 2011 are also provided. Variants of future research are briefly discussed.
Dokumenty
Stáhnout Dokument Autor Typ Velikost
Stáhnout Text práce RNDr. Josef Stráský 561 kB
Stáhnout Příloha k práci RNDr. Josef Stráský 6.16 MB
Stáhnout Abstrakt v českém jazyce RNDr. Josef Stráský 43 kB
Stáhnout Abstrakt anglicky RNDr. Josef Stráský 42 kB
Stáhnout Posudek vedoucího PhDr. Jaromír Baxa, Ph.D. 63 kB
Stáhnout Posudek oponenta PhDr. Martin Netuka 118 kB
Stáhnout Záznam o průběhu obhajoby 320 kB