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
2023-01-19
SCID: 54.1/rf22v2pr
Discuss with AI
инфляция еврозонывекторные авторегрессии с регуляризацией Lassoмногомерные VAR-моделикраткосрочное прогнозирование инфляцииданные смешанной частоты
Figures from the paper
Abstract (AI)
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.
Key Findings
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.
Research Object
уровень инфляции в еврозоне
Research Subject
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
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Источники этой статьи в scid.ai3
Неограниченная выборка данных смешанной частоты (MIDAS): регрессии MIDAS с неограниченными полиномами лагов2013
Прогнозирование в реальном времени с использованием VAR-модели смешанной частотности2014
Прогнозирование темпов инфляции с использованием ежедневных данных: непараметрический подход MIDAS2015