پیش بینی تورم در بازارهای نوظهور: ارزیابی مدل های جایگزین

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
23
نشریه :
الزویر
تعداد رفرنس ها :
59
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Inflation forecasting Bayesian methods Emerging markets Evaluating forecasts Inflation predictability Monetary policy Central bank independence
کلمات کلیدی :
پیش بینی تورم، روش های بیزی، بازارهای نوظهور، ارزیابی پیش بینی ها، قابل پیش بینی بودن تورم، سیاست پولی، استقلال بانک مرکزی
عنوان فارسی :

پیش بینی تورم در بازارهای نوظهور: ارزیابی مدل های جایگزین

عنوان انگلیسی :

Forecasting inflation in emerging markets: An evaluation of alternative models

ژورنال :
International Journal of Forecasting
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0169207017300687
آدرس DOI :
https://doi.org/10.1016/j.ijforecast.2017.06.005
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 22

نشریه : الزویر

تعداد رفرنس ها : 59

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Inflation forecasting Bayesian methods Emerging markets Evaluating forecasts Inflation predictability Monetary policy Central bank independence

کلمات کلیدی : پیش بینی تورم، روش های بیزی، بازارهای نوظهور، ارزیابی پیش بینی ها، قابل پیش بینی بودن تورم، سیاست پولی، استقلال بانک مرکزی

عنوان فارسی : پیش بینی تورم در بازارهای نوظهور: ارزیابی مدل های جایگزین

عنوان انگلیسی : Forecasting inflation in emerging markets: An evaluation of alternative models

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0169207017300687



چکیده انگلیسی
This paper carries out a comprehensive forecasting exercise to assess the out-of-sample forecasting performances of various econometric models for inflation across three dimensions: time, emerging markets (EMs) and models. The competing models include univariate and multivariate models, fixed and time-varying parameter models, constant and stochastic volatility models, models using small and large datasets, and models with and without Bayesian variable selection. The results indicate that the forecasting performances of the different models change notably across both time and countries. Similarly to recent findings in the literature from developed countries, models that account for stochastic volatility and time-varying parameters provide more accurate forecasts for inflation than the alternatives in EMs. The results suggest that inflation predictability is correlated negatively with central bank independence. Also, institutional forecasts are superior to model-based forecasts for the majority of EMs. This suggests that the incorporation of subjective judgement can improve model-based inflation forecasts.

چکیده فارسی
این مقاله یک برنامه پیش بینی جامع برای ارزیابی عملکرد پیش بینی نشده مدل های اقتصادسنجی مختلف برای تورم در سه بعد: زمان، بازارهای نوظهور (EM) و مدل ها انجام می دهد. مدل های رقابت شامل مدل های چند متغیره و چند متغیره، مدل های پارامتر ثابت و زمان متغیر، مدل های نوسان پذیری ثابت و تصادفی، مدل هایی با مجموعه داده های کوچک و بزرگ و مدل های با و بدون انتخاب متغیر بیزی است. نتایج نشان می دهد که عملکرد پیش بینی مدل های مختلف به طور چشمگیری در هر دو زمان و کشورها تغییر می کند. به طور مشابه با یافته های اخیر در مطالعات کشورهای توسعه یافته، مدل هایی که برای نوسانات تصادفی و پارامترهای متفاوت متغیر هستند، پیش بینی دقیق تر از تورم را ارائه می دهند. نتایج نشان می دهد که پیش بینی نرخ تورم با استقلال بانک مرکزی منفی است. همچنین، پیش بینی های نهادی بر اساس پیش بینی های مبتنی بر مدل برای اکثر EM ها برتر است. این نشان می دهد که ادغام قضاوت ذهنی می تواند پیش بینی های تورمی مبتنی بر مدل را بهبود بخشد.

موضوعات مقاله