Оперативное прогнозирование инфляции с использованием векторных авторегрессий, регуляризованных методом Lasso, и данных смешанной частоты

Nowcasting inflation with Lasso‐regularized vector autoregressions and mixed frequency data
Tesi Aliaj, Milos Ciganovic, Massimiliano Tancioni
2023-01-19

инфляция еврозонывекторные авторегрессии с регуляризацией Lassoмногомерные VAR-моделикраткосрочное прогнозирование инфляцииданные смешанной частоты
Мы оцениваем прогностическую эффективность метода наименьших абсолютных усадок и отбора (Lasso) как альтернативного метода усадки для многомерных векторных авторегрессий высокой размерности. В исследовании регуляризация системы уравнений на основе метода Lasso распространяется на данные смешанной и высокой частоты. Для оценки уровня инфляции в еврозоне используется сверхкраткосрочное прогнозирование (оперативное прогнозирование, nowcasting). Мы показываем, что данный подход может превосходить более стандартные инструменты оперативного прогнозирования, представленные в научной литературе, формируя оценки, которые точно отражают фактическую динамику данных. Предлагаемый инструмент позволяет решать информационные проблемы и проблемы принятия решений в области экономической политики, связанные со значительными задержками публикации макроэкономических агрегатов.
1
При прогнозировании инфляции в еврозоне подход формирует краткосрочные оценки, близко отслеживающие фактическую динамику инфляции.
2
Метод регуляризации Lasso для системы уравнений расширен на модели со смешанной и высокочастотной информацией.
3
Предложенный метод может превосходить стандартные инструменты nowcasting и снижать последствия задержек публикации макроэкономических агрегатов для мониторинга и принятия политики.
4
В исследовании оценивается регуляризация Lasso как альтернативный метод сжатия для высокоразмерных векторных авторегрессий.

уровень инфляции в еврозоне

точность краткосрочного прогнозирования и текущей оценки с использованием векторных авторегрессий, регуляризованных методом Lasso, на смешаночастотных данных

Publication Details
Publication Date
2023-01-19
Journal
Publisher
ISSN
Cited by
10
Access Type
Author Information
Authors
Tesi Aliaj
Milos Ciganovic
Massimiliano Tancioni
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%