Прогнозирование инфляции в моделях временных рядов с использованием данных высокой частоты

В статье рассматриваются способы повышения точности прогнозирования инфляции с использованием данных о потребительских ценах высокой частоты в моделях временных рядов. Увеличение числа наблюдений, доступных на более высокой частоте, направлено на повышение точности инфляционных прогнозов. В теоретической части работы анализируются преимущества и недостатки использования ценовых данных высокой частоты в моделях инфляции с авторегрессионным распределённым лагом (ADL), векторной авторегрессии (VAR) и смешанной частоты данных (MIDAS), основанных как на одной, так и на смешанных частотах данных. В эмпирической части исследуется влияние включения онлайн-индекса цен, доступного с дневной или недельной частотой, в период с 2020 по 2023 год в модель прогнозирования индекса потребительских цен (ИПЦ). В статье сопоставляются прогнозы потребительских цен, полученные с помощью моделей VAR, векторной авторегрессии смешанной частоты (MFVAR) и MIDAS, включающих регрессор высокой частоты, с прогнозами, рассчитанными посредством моделей auto-ARIMA. Вывод о различиях в качестве краткосрочного прогнозирования динамики потребительских цен в этих моделях основывается на различиях показателей ошибок прогнозирования моделей. Результаты свидетельствуют о том, что краткосрочное прогнозирование динамики ИПЦ вне выборки становится более точным при включении онлайн-данных о ценах, особенно в многомерных моделях временных рядов, в которых данные включаются на более высокой частоте. Однако преимущество включения онлайн-данных о ценах высокой частоты в модели уменьшается по мере увеличения горизонта прогнозирования. Полученные результаты демонстрируют важность включения онлайн-данных о ценах в дезагрегированном виде при прогнозировании ценовых тенденций на ближайшее будущее.