Abstract:
نرخ تورم یکی از متغیرهای کلیدی اقتصاد است که پیشبینی دقیق آن مدنظر سیاستگذاران و بهویژه بانک مرکزی است. مدل خود رگرسیون برداری (VAR) سابقه طولانی بهعنوان ابزاری جهت پیشبینی و تجزیه و تحلیلهای سیاستی دارد، اما از مشکلات این روش آن است که از مبانی نظری اندکی در خصوص روابط بین متغیرها استفاده میکند؛ بعلاوه در مدلهای VAR تعداد زیادی پارامتر نیاز است تخمین زده شود که برخی از آنها ممکن است بیمعنی نیز باشند؛ به دنبال این موضوع، ایده مدلهای ترکیبی مطرح شد. یکی از انواع مدلهای ترکیبی، مدل DSGE-VAR است. این مدل، DSGE را که مدلی ساختاری است و اتکای بیشتری بر تئوری دارد با VAR که فراهمکننده برازش بهتری از دادهها است، ترکیب میکند. در این مطالعه ابتدا ساختار نظری و نتایج تخمین مدلDSGE-VAR برای دادههای اقتصاد ایران بیان شده و در ادامه پیشبینیهای حاصل از این روش در مقایسه با مدلهای رقیب ازجمله VAR نامقید و VAR مینسوتا بررسی شده است. هر سه مدل بهصورت بازگشتی برای دوره زمانی 1370:1 تا 1391:4 تخمین زدهشدهاند و سپس جهت پیشبینی تورم در افق 1 تا 8 فصل رو به جلو و برای نمونه 1390:1 تا 1393:4 استفاده شدهاند. مقایسه دقت پیشبینی روشهای فوق با استفاده از شاخص RMSE، نشاندهنده عملکرد بهتر روش DSGE-VAR در قیاس با مدلهای رقیب، طی دوره زمانی مورد بررسی است.
Machine summary:
در بخش 4 Autoregressive Moving Average Sims Vector Auto Regressive Dynamic Stochastic General Equilibrium Model Bekiros & Paccagnini Smites & Wouters Hybrid Models Altug & Sargent Ireland Del Negro & Schorfheide کاربرد تجربی مدل شامل دادههای مورد استفاده، تعیین مقدار پارامتر وزندهی و سایر پارامترهای مدل، بحث شناسایی در این مدل و در انتها نتایج پیشبینی حاصل از روشهای مختلف ارائه شده است.
در این مطالعه عملکرد نسبی پیشبینی که توسط شاخص RMSFE 3 اندازهگیری شده است، نشاندهنده دقیقتر بودن پیشبینیهای حاصل از مدل DSGE-VAR در مقایسه با مدلهای VARجایگزین برای متغیرهای تورم، نرخ ارز و نرخ بهره بوده است.
نتایج این مطالعه نشان میدهد که بهترین Pop Minnesota Root Mean Squared Fixed Error (RMSFE) Bekiros & Paccagnini Factor Augmented Vector Auto Regression Bayesian VAR Gross Domestic Product Consumer Price Index عملکرد پیشبینی برای متغیرهای CPI و نرخ بهره، اساسا توسط مدل DSGE-FAVARایجاد شده است.
افشاری و بیات 8 (1393)، ابتدا منحنی فیلیپس کینزین جدید هایبریدی را با استفاده از دادههای فصلی اقتصاد ایران، طی دوره زمانی1Q1375 تا 4Q1389 بر اساس روش گشتاورهای تعمیم یافته (GMM) 9 برآورد کردهاند، سپس با استفاده از معیار آکائیک Gupta & Steinbach Stochastic Search Variable Selection Heidari & Johari Salmasi (2015) Gibss Quasi-Bayesian Normal Wishard Mean Squared Forecast Error Afshari & Bayat (2014) Generalized Method of Moments (AIC) 1 یک مدل مناسب ARIMA تصریح گردیده است و درنهایت با استفاده از هر دو مدل، در دو افق چهار دورهای و هشت دورهای پیشبینی و ریشه میانگین مربع خطا RMSE دو مدل مقایسه گردید.