Прогнозирование развития экономики с учетом нескольких точек поворота: индикаторы, калибровка модели, имитационные расчеты
DOI:
https://doi.org/10.21638/spbu05.2021.401Аннотация
В статье рассматриваются возможности построения прогнозов макроэкономических показателей с учетом точек поворота динамики их тенденций в режиме имитационных расчетов по методу Монте-Карло на основе дискретной аппроксимации ограничений простой стохастической модели экономического роста. В первой части статьи анализируются проблемы обоснования индикаторов точек поворота. Показано, что единого подхода к их определению не существует, часто в качестве таких индикаторов рассматривают изменения ВВП, цен на нефть и других показателей. Во второй части предлагается связать влияние точек поворота с изменением значения одного из числовых параметров рассматриваемой модели роста — нормы амортизации капитала. Для определения параметров модели предложена специальная процедура ее калибровки, основанная на решении оптимизационной задачи по критерию минимума расхождений между средней расчетной и фактической траекториями ВВП и потребления за период калибровки. В третьей части выполнены экспериментальные расчеты в режиме имитации по данным экономики Финляндии, Кипра и Японии с учетом выделения точек поворота. Для Кипра и Японии были выделены три точки поворота, для Финляндии одна. Проведены расчеты прогнозов динамики ВВП и потребления для указанных стран в текущих и постоянных ценах 2010 г. Для всех трех рассмотренных стран результаты расчетов показали, что косвенный учет точек поворота с помощью изменения нормы амортизации капитала позволил существенно улучшить качество прогнозов по средней расчетной траектории с учетом заданного доверительного интервала на выбранном периоде прогнозирования.
Ключевые слова:
прогнозирование макроэкономики, стохастические модели роста, дискретная аппроксимация, индикаторы точек поворота, норма амортизации капитала, калибровка модели, имитационные расчеты, ВВП, потребление
Скачивания
Библиографические ссылки
Алберг Дж., Нильсон Э., Уолш Дж. (1972) Теория сплайнов и ее приложения. М.: Мир. 319 с.
Бурова И. Г., Демьянович Ю. К. (2010) Минимальные сплайны и их приложения. СПб.: Изд-во С.-Петерб. ун-та. 364 с.
Васильев Ф. П. (1988) Численные методы решения экстремальных задач. М.: Наука. 552 с.
Воронцовский А. В., Вьюненко Л. Ф. (2016) Прогнозирование развития экономики на основе стохастической модели экономического роста с учетом точки поворота. Вестник Санкт-Петербургского университета. Серия 5. Экономика. Вып. 4. С. 4–32.
Воронцовский А. В., Вьюненко Л. Ф. (2017) Прогнозирование индексов реальных эффективных обменных курсов валют с учетом случайного фактора. Вестник Санкт-Петербургского университета. Экономика. Вып. 4. С. 522–549.
Граничин О. Н. (2003) Введение в методы стохастической оптимизации и оценивания. СПб.: Изд-во С.-Петерб. ун-та. 131 с.
Доугерти К. (2004) Введение в эконометрику. Учебник. 2-е изд. Пер. с англ. М.: ИНФРА-М. 418 с.
Жемков Д. (2021) Краткосрочная оценка ВВП России методом комбинирования прогнозов. URL:https://cbr.ru/StaticHtml/File/118606/wp-feb21.pdf (дата обращения: 10.07.2021).
Сток Дж., Уотсон М. (2015) Введение в эконометрику. Пер. с англ. М.: Долл. 864 с.
Anesti N., Galvao A. B., Miranda-Agrippino S. (2018) Uncertain Kingdom: Nowcasting GDP and its Revisions. CFM Discussion Paper Series (CFM-DP2018 24). Centre for Macroeconomics, London School of Economics and Political Science. London, UK. 54 p.
Angelini E., Cambia-Mendez G., Giannone D., Reichlin L., Rustler G. (2011) Short-term forecasts of euro area GDP growth. The econometric journal, vol. 14, iss. 1, pp. 25–44.
Bańbura M., Giannone D., Modugno M., Reichlin L. (2013) “Now-Casting and the Real-Time Data Flow” in Elliott G., Timmermann A. (eds) Handbook of Economic Forecasting. Vol. 2A. Amsterdam; Boston; Heidelberg: North Holland, pp. 195–237.
Bhattacharya R., Chakravartti P., Mundle S. (2019) Forecasting India’s economic growth: a time-varying parameter regression approach. Macroeconomics and finance in emerging market economies, vol. 12, iss. 3, pp. 205–228.
Bragoli D., Fosten J. (2018) Nowcasting Indian GDP. Oxford bulletin of economics and statistics, vol. 80, iss. 2, pp. 259–282.
Clements M. P., Galvão A. B. (2008) Macroeconomic Forecasting With Mixed-Frequency Data: Forecasting Output Growth in the United States. Journal of business & economic statistics, vol. 26, iss. 4, pp. 546–554.
Cook T. R. , Smalter Holl A. (2017) Macroeconomic indicator forecasting with deep neural networks. Federal Research Bank of Kansas City. Research Working Paper 17–11, September. 29 p.
Fuleky P. (2019) Macroeconomic Forecasting in the Era of Big Data: Theory and Practice. Cham, Springer International Publishing AG. 719 p.
Gajewski P. (2014) Nowcasting Quarterly GDP Dynamics in the Euro Area — The Role of Sentiment Indicators. Comparative economic research. Central and Eastern Europe, vol. 17, iss. 2, pp. 5–23.
Ghysels E., Hill Ch., Massimiliano M. (2018) Applied economic forecasting using time series methods. New York, Oxford University Press. 597 p.
Gouriéroux Chr., Monfort A. (2002) Simulation-based econometric methods. Oxford, Oxford University Press. 174 p.
Giannone D., Reichlin L., Small D. (2008) Nowcasting: The real-time informational content of macroeconomic data. Journal of monetary economics, vol. 55, iss. 4, pp. 665–676.
Hristov N., Roth M. (2019) Uncertainty shocks and financial crisis indicators. Frankfurt a. M., Deutsche Bundesbank. Discussion paper. 37 p.
Knotted E. S., Zaman S. (2017) Financial Nowcasts and Their Usefulness in Macroeconomic Forecasting. Federal Reserve Bank of Cleveland. Working Paper (March), vol. 17, iss. 2, pp. 1–88.
Kočenda Ev., Poghosyan K. (2020) Nowcasting Real GDP Growth: Comparison between Old and New EU Countries. Eastern European economics, vol. 58, iss. 3, pp. 197–220.
Louzis D. P. (2019) Steady-state modeling and macroeconomic forecasting quality. Journal of applied econometrics, vol. 34, iss. 2, pp. 285–314.
Miglietta A., Venditti F. (2019) An indicator of macro-financial stress for Italy. Questioni di economia e finanza (Occasional Papers), Bank of Italy, Economic Research and International Relations Area, no. 497. 28 p.
Rossi B., Sekhposyan T. (2011) Understanding models’ forecasting performance. Journal of econometrics, vol. 164, iss. 1, pp. 158–172.
Shavshukov V. М., Vorontsovsky A. V., Vyunenko L. F. (2018) Analyzing dynamics and forecasting real effective exchange rates for BRICS countries (1994–2016). St Petersburg University Journal of Economic Studies, vol. 34, iss. 4, pp. 568–590.
Sondermann D., Zorell N. (2019) A macroeconomic vulnerability model for the euro area Frankfurt am Main, European Central Bank. Working paper series, no 2306 (August). 40 p.
Song M., Shin K.-Sh. (2019) Forecasting economic indicators using a consumer sentiment index: Surveybased versus text-based data. Journal of forecasting, vol. 38, iss. 6, pp. 504–518.
Tkacz Gr. (2013) Macroeconomic forecasting. London, Routledge. 288 p.
References
Ahlberg J., Nilson E., Walsh J. (1972) Spline theory and its applications. Moscow, Mir Publ. 319 p. (In Russian)
Anesti N., Galvao A. B., Miranda-Agrippino S. (2018) Uncertain Kingdom: Nowcasting GDP and its Revisions. CFM Discussion Paper Series (CFM-DP2018-24). Centre for Macroeconomics, London School of Economics and Political Science. London, UK. 54 p.
Angelini E., Cambia-Mendez G., Giannone D., Reichlin L., Rustler G. (2011) Short-term forecasts of euro area GDP growth. The econometric journal, vol. 14, iss. 1, pp. 25–44.
Bańbura M., Giannone D., Modugno M., Reichlin L. (2013) “Now-Casting and the Real-Time Data Flow” in Elliott G., Timmermann A. (eds) Handbook of Economic Forecasting. Vol. 2A. Amsterdam; Boston; Heidelberg: North Holland, pp. 195–237.
Bhattacharya R., Chakravartti P., Mundle S. (2019) Forecasting India’s economic growth: a time-varying parameter regression approach. Macroeconomics and finance in emerging market economies, vol. 12, iss. 3, pp. 205–228.
Bragoli D., Fosten J. (2018) Nowcasting Indian GDP. Oxford bulletin of economics and statistics, vol. 80, iss. 2, pp. 259–282.
Burova I. G., Dem’yanovich Yu. K. (2010) Minimal splines and their applications. St. Petersburg, St. Petersburg University Press. 364 p. (In Russian)
Clements M. P., Galvão A. B. (2008) Macroeconomic Forecasting With Mixed-Frequency Data: Forecasting Output Growth in the United States. Journal of business & economic statistics, vol. 26, iss. 4, pp. 546–554.
Cook T. R. , Smalter Holl A. (2017) Macroeconomic indicator forecasting with deep neural networks. Federal Research Bank of Kansas City. Research Working Paper 17–11, September. 29 p.
Dougerti K. (2004) Introduction to Econometrics: Textbook. 2nd ed. Transl. from English. Moscow, INFRA-M Publ. 418 p. (In Russian)
Fuleky P. (2019) Macroeconomic Forecasting in the Era of Big Data: Theory and Practice. Cham, Springer International Publishing AG. 719 p.
Gajewski P. (2014) Nowcasting Quarterly GDP Dynamics in the Euro Area — The Role of Sentiment Indicators. Comparative economic research. Central and Eastern Europe, vol. 17, iss. 2, pp. 5–23.
Ghysels E., Hill Ch. Massimiliano M. (2018) Applied economic forecasting using time series methods. New York, Oxford University Press. 597 p.
Giannone D., Reichlin L., Small D. (2008) Nowcasting: The real-time informational content of macroeconomic data. Journal of monetary economics, vol. 55, iss. 4, pp. 665–676.
Gouriéroux Chr., Monfort A. (2002) Simulation-based econometric methods. Oxford [u.a.], Oxford University Press. 174 p.
Granichin O. N. (2003) Introduction to stochastic optimization and estimation methods. St. Petersburg, St. Petersburg University Press. 131 p. (In Russian)
Hristov N., Roth M. (2019) Uncertainty shocks and financial crisis indicators. Frankfurt a. M., Deutsche Bundesbank. Discussion paper. 37 p.
Knotted E. S., Zaman S. (2017) Financial Nowcasts and Their Usefulness in Macroeconomic Forecasting. Federal Reserve Bank of Cleveland. Working Paper (March), vol. 17, iss. 2, pp. 1–88.
Kočenda Ev., Poghosyan K. (2020) Nowcasting Real GDP Growth: Comparison between Old and New EU Countries. Eastern European economics, vol. 58, iss. 3, pp. 197–220.
Louzis D. P. (2019) Steady-state modeling and macroeconomic forecasting quality. Journal of applied econometrics, vol. 34, iss. 2, pp. 285–314.
Miglietta A., Venditti F. (2019) An indicator of macro-financial stress for Italy. Questioni di economia e finanza (Occasional Papers), Bank of Italy, Economic Research and International Relations Area, no. 497. 28 p.
Rossi B., Sekhposyan T. (2011) Understanding models’ forecasting performance. Journal of econometrics, vol. 164, iss. 1, pp. 158–172.
Shavshukov V. М., Vorontsovsky A. V., Vyunenko L. F. (2018) Analyzing dynamics and forecasting real effective exchange rates for BRICS countries (1994–2016). St Petersburg University Journal of Economic Studies, vol. 34, iss. 4, pp. 568–590.
Sondermann D., Zorell N. (2019) A macroeconomic vulnerability model for the euro area Frankfurt am Main, European Central Bank. Working paper series, no 2306 (August), 40 p.
Song M., Shin K.-Sh. (2019) Forecasting economic indicators using a consumer sentiment index: Surveybased versus text-based data. Journal of forecasting, vol. 38, iss. 6, pp. 504–518.
Stock J., Watson M. (2015) Introduction to Econometrics. Transl. from English. Moscow, Doll Publ. 864 p. (In Russian)
Tkacz Gr. (2013) Macroeconomic forecasting. London, Routledge. 288 p.
Vasil’ev F. P. (1988) Numerical methods for solving extreme problems. Moscow, Nauka Publ. 552 p. (In Russian)
Vorontsovskiy A. V., Vyunenko L. F. (2016) Forecasting the development of the economy based on a stochastic model of economic growth, taking into account the turning point. Vestnik of St Petersburg University, Series 5. Economics, no. 4, pp. 4–32. (In Russian)
Vorontsovskiy A. V., Vyunenko L. F. (2017) Forecasting indices of real effective exchange rates of currencies taking into account a random factor. St Petersburg University Journal of Economic Studies, no 4, pp. 522–549. (In Russian)
Zhemkov D. (2021) Short-term assessment of Russia’s GDP by combining forecasts. URL: https://cbr.ru/StaticHtml/File/118606/wp-feb21.pdf (accessed: 10.07.2021). (In Russian)
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Статьи журнала «Вестник Санкт-Петербургского университета. Экономика» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Санкт-Петербургским государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
