پیش بینی کوتاه مدت تورم: M.E.T.A. رویکرد

Elsevier
سال انتشار :
2017
تعداد صفحات مقاله انگلیسی :
17
نشریه :
الزویر
تعداد رفرنس ها :
47
نوع مقاله :
مقاله ISI
کراس مارک :
Crossmark
keywords :
Inflation Forecasting Aggregation State space models
کلمات کلیدی :
پیش بینی تورم، جمع آوری مدلهای دولتی
عنوان فارسی :

پیش بینی کوتاه مدت تورم: M.E.T.A. رویکرد

عنوان انگلیسی :

Short-term inflation forecasting: The M.E.T.A. approach

ژورنال :
International Journal of Forecasting
لینک مقاله :
http://www.sciencedirect.com/science/article/pii/S0169207017300705
آدرس DOI :
https://doi.org/10.1016/j.ijforecast.2017.06.007
وضعیت ترجمه :
انجام نشده.

سال انتشار : 2017

تعداد صفحات مقاله انگلیسی : 16

نشریه : الزویر

تعداد رفرنس ها : 47

نوع مقاله : مقاله ISI

کلمات کلیدی انگلیسی : Inflation Forecasting Aggregation State space models

کلمات کلیدی : پیش بینی تورم، جمع آوری مدلهای دولتی

عنوان فارسی : پیش بینی کوتاه مدت تورم: M.E.T.A. رویکرد

عنوان انگلیسی : Short-term inflation forecasting: The M.E.T.A. approach

لینک مقاله : http://www.sciencedirect.com/science/article/pii/S0169207017300705



چکیده انگلیسی
Forecasting inflation is an important and challenging task. This paper assumes that the core inflation components evolve as a multivariate local level process. While this model is theoretically attractive for modelling inflation dynamics, its usage thus far has been limited, owing to computational complications with the conventional multivariate maximum likelihood estimator, especially when the system is large. We propose the use of a method called “moments estimation through aggregation” (M.E.T.A.), which reduces the computational costs significantly and delivers fast and accurate parameter estimates, as we show in a Monte Carlo exercise. In an application to euro-area inflation, we find that our forecasts compare well with those generated by alternative univariate and multivariate models, as well as with those elicited from professional forecasters.

چکیده فارسی
پیش بینی تورم یک کار مهم و چالش برانگیز است. در این مقاله فرض می شود که اجزای تورم ناچیز به عنوان یک فرایند سطح چند متغیره تکامل یافته اند. در حالی که این مدل به لحاظ نظری برای مدل سازی پویایی تورم جذاب است، استفاده از آن تا کنون محدود شده است، به دلیل عوارض محاسباتی با برآوردگر حداکثر احتمال درست چند متغیره، به ویژه پگهنگامی که سیستم بزرگ است. ما پیشنهاد استفاده از یک روش به نام "تخمین لحظات از طریق تجمع" (M.E.T.A.)، که به طور قابل توجهی هزینه های محاسبات را کاهش می دهد و ارائه برآوردهای پارامتر سریع و دقیق، همانطور که در تمرین مونت کارلو نشان داده شده است. در یک برنامه کاربردی برای تورم منطقه یورو، ما دریافتیم که پیش بینی های ما با آنچه که توسط مدل های جایگزین یکنواخت و چند متغیره و همچنین با آنهایی که از پیش بینی های حرفه ای به دست آمده است، به خوبی مقایسه می شود.

موضوعات مقاله