نویسندگان

1 استادیار دانشکده مدیریت و اقتصاد دانشگاه صنعتی شریف، گروه اقتصاد-نویسنده مسئول

2 کارشناس ارشد پژوهشکده پولی و بانکی

چکیده

نرخ تورم یکی از متغیرهای کلیدی اقتصاد کلان است که پیش‌بینی دقیق آن برای افق‌های بیش از یک دوره مورد نیاز نهادهای سیاستگذار و به ویژه بانک مرکزی است. روش‌های مستقیم و تکرار شونده دو تکنیک متداولی است که در ادبیات به­هنگام پیش‌بینی در افق‌های بیش از یک دوره پیشنهاد می‌شود. این مطالعه با بهره­گیری از طیف وسیعی از متغیرهای اقتصادی به بررسی این دو روش برای پیش‌بینی زمان حقیقی نرخ تورم در ایران می­پردازد. نتایج به دست آمده نشان می­دهد که عموما با افزایش افق پیش‌بینی، عملکرد روش تکرار شونده نسبت به روش مستقیم بهبود می­یابد. برای معیارهای اطلاعاتی که وقفه کمتری انتخاب می­کنند (مانند شوارتز)، روش مستقیم در کوتاه­مدت (1 فصل و 2 فصل) و روش تکرار شونده در بلندمدت (3 فصل و 4 فصل) برتری دارد، در حالی­که برای معیارهای اطلاعاتی که وقفه بیشتری انتخاب می­کنند (مانند آکایکه)، مقایسه بین این دو روش وابسته به افق پیش‌بینی نبوده و روش تکرار شونده به­طور کلی دارای دقت بیشتری است.

کلیدواژه‌ها

برکچیان، سید مهدی و کرمی، هومن (1392)، «بررسی عملکرد مدل خودرگرسیون در پیش‌بینی تورم ایران»، پژوهش‌های پولی و بانکی، در حال انتشار.
حنفی‌زاده، پیام، پورسلطانی، حسین و ساکتی، پریسا (1386)، «بررسی مقایسه‌ای توان پیش‌بینی شبکه‌های عصبی مصنوعی با روش توقف زودهنگام و فرآیند سری زمانی خودبازگشت در برآورد نرخ تورم»، مجله تحقیقات اقتصادی، شماره 81: 25-35.
حیدری، حسن (1390)، «مدل VAR جایگزین برای پیش‌بینی تورم ایران: کاربردی از تبدیل Bewley»، پژوهشهای اقتصادی ایران، شماره 46: 77-96.
حیدری، حسن (1391)، «ارزیابی مدل‌های BVAR جایگزین در پیش‌بینی تورم ایران»، پژوهشهای اقتصادی ایران، شماره 50: 65-81.
عطریانفر، حامد و برکچیان، سیدمهدی (1392)، «ارزیابی عملکرد روش‌های ترکیب پیشبینی در پیش‌بینی زمان حقیقی نرخ تورم در ایران»، پژوهش‌های پولی و بانکی، شماره 18: 23-57.
عطریانفر، حامد و برکچیان، سیدمهدی (1390)، «ارزیابی محتوای اطلاعاتی متغیرهای اقتصادی برای پیش‌بینی نرخ تورم در ایران»، پول و اقتصاد، شماره 8: 1-41.
مشیری، سعید (1380)، «پیش‌بینی تورم ایران با استفاده از مدل‌های ساختاری، سری‌های زمانی و شبکه‌های عصبی»، مجله تحقیقات اقتصادی، شماره 58: 147-184.
Clark, T. E., and McCracken, M. W. (2001), “Tests of Equal Forecast Accuracy and Encompassing for Nested Models’, Journal of Econometrics, 105: 85-100.
Croushore, D., and Stark,T. (2003)< “A Real-Time Data Set for Macroeconomists: Does the Data Vintage Matter?”, The Review of Economics and Statistics, 85, no. 3: 605-617.
Golinelli, R., and Parigi, G. (2008), “Real-Time Squared: A Real-Time Data Set for Real-Time GDP Forecasting”, International Journal of Forecasting, 24: 368–385.
Heij, Christiaan, Dick van Dijk, and Patrik J. F. Groenen. (2008), “Macroeconomic Forecasting with Matched Principal Components”, International Journal of Forecasting, 24: 87-100.
Heij, Christiaan, van Dijk, Dick,and Groenen, Patrick J.F. (2011),
“Real-Time Macroeconomic Forecasting with Leading Indicators: An Empirical Comparison”, International Journal of Forecasting, 27: 466–481.
Ing, Ching-Kang (2003), “Multistep Prediction in Autoregressive Processes”, Econometric Theory, 19, no. 02: 254-279.
Kang, In-Bong (2003), “Multi-Period Forecasting Using Different Models for Different Horizons: An Application to U.S. Economic Time Series Data”, International Journal of Forecasting, 19: 387-400.
Liu, Dandan and Dennis W. Jensen. (2007), “Macroeconomic Forecasting Using Structural Factor Analysis”, International Journal of Forecasting, 23: 655-677.
Marcellino, Massimiliano, Stock, James H., and Watson,Mark W. (2006), “A Comparison of Direct and Iterated Multistep AR Methods for Forecasting Macroeconomic Time Series”, Journal of Econometrics, 135: 499-526.
Pesaran, M. Hashem, Pick, Andreas, and Timmermann,Allan(2011), “Variable Selection, Estimation and Inference for Multi-Period Forecasting Problems”, Journal of Econometrics, 164, no. 1: 173–187.
Proietti, Tommaso (2011), “Direct and Iterated Multistep AR Methods for Difference Stationary Processes”, International Journal of Forecasting, 27, no. 2: 266-280.
Stark, T., and Croushore, D. (2002), “Forecasting with a Real-Time Data Set”, Journal of Macroeconomics, 24: 507-531.
Stock, James, and Mark Watson. (2002), “Macroeconomic Forecasting Using Diffusion Indexes”, Journal of Business and Economic Statistics, 20: 147-162.
West, K. D. (1996), “Asymptotic Inference about Predictive Ability”, Econometrica, 64: 1067-1084.