Прогнозирование темпов инфляции с использованием ежедневных данных: непараметрический подход MIDAS

В статье предлагается непараметрический подход к оцениванию прогнозных уравнений со смешанной частотой наблюдений. В отличие от популярного подхода MIDAS, в котором используется (экспоненциальное) распределение лагов Алмона или бета-распределение, применяется оцениватель на основе пенализированных наименьших квадратов, накладывающий ограничение на степень гладкости распределения лагов. Этот оцениватель связан с непараметрическими процедурами оценивания на основе кубических сплайнов и напоминает популярную процедуру фильтрации Ходрика—Прескотта для оценивания гладкой функции тренда. Результаты экспериментов методом Монте-Карло показывают, что непараметрический оцениватель может обеспечивать более надежное и гибкое приближение фактического распределения лагов, чем традиционный параметрический подход MIDAS, основанный на экспоненциальных полиномах лагов. Параметрические и непараметрические методы применяются для оценки прогностической способности различных ежедневных индикаторов при прогнозировании месячных темпов инфляции. Установлено, что индекс цен на сырьевые товары является полезным предиктором темпов инфляции на горизонте 20–30 дней и характеризуется колоколообразным распределением лагов.