عنوان مقاله :
مقايسه عملكرد روش‌هاي مختلف پيش‌بيني شاخص قيمت توليدكننده در ايران
عنوان به زبان ديگر :
Comparing the Performance of Different Methods of Forecasting Producer Price Index in Iran
پديد آورندگان :
فهيمي فر، فاطمه دانشگاه علامه طباطبائي - دانشكده اقتصاد، تهران، ايران , محمدي، تيمور دانشگاه علامه طباطبائي - دانشكده اقتصاد - گروه اقتصاد، تهران، ايران
كليدواژه :
الگوي عاملي , الگوي فضا-حالت , پيش بيني , شاخص قيمت توليدكننده
چكيده فارسي :
شاخص‌هاي اقتصاد كلان يكي از ابزارهاي ضروري به منظور تعيين آثار سياست‌هاي اقتصادي، برنامه‌ريزي‌ها و سياستگذاريهاي كوتاه‌مدت، ميان‌مدت و بلندمدت براي يك اقتصاد است. يكي از شاخص‌هاي مهم در اين زمينه شاخص قيمت توليدكننده است. از اين رو اين مقاله به بررسي پيش بيني شاخص قيمت توليدكننده در ايران با استفاده از داده هاي سري زماني فصلي در دوره زماني 96-1369 با استفاده از روش هاي گزينشي نمودن و متوسط گيري الگوي پويا در سه افق پيش بيني (يك، چهار و هشت فصل) مي پردازد. در اين گونه روشها نه تنها ضرايب بلكه الگوهاي پيش بيني نيز در طول زمان تغيير ميكنند. الگوهاي مورد استفاده در اين مطالعه به سه طيف، بزرگ مقياس (شامل 101 متغير در نه بلوك عاملي)، متوسط مقياس (شامل 6 متغير) و الگوهاي تك متغيره دسته‌بندي شده‌اند. نتايج مطالعه نشان مي‌دهد كه پيش بيني الگوهاي گزينشي نمودن و متوسط گيري الگوي پويا نسبت به ساير رويكردهاي در نظرگرفته شده در اين مقاله، داراي عملكرد پيش بيني بهتري براي شاخص قيمت توليدكننده در ايران هستند.
چكيده لاتين :
Macroeconomic indices are the essential tools to determine the effects of economic policies, in the short-, medium- and long-run planning and policy makings for an economy. One of the important indices in this area is the producer price index. Therefore, this paper investigates the forecasting of producer price index (PPI) in Iran using seasonal time series data over the period 1990-2017 (1369-1396) through Dynamic Model Selection(DMS) andDynamic Model Averaging (DMA) in three forecast horizons (one, four, and eight season). In such methods, not only the coefficients but also the forecasting models change over time. The models used in this study (DMA, DMS, BMA, BVAR, TVP and AR) were divided into three categories, large-scale (including 101 variables in nine factor blocks), middle-scale (including 6 variables), and univariate models. The results of the study indicated that forecasting DMS and DMA compared to other approaches has an efficient forecasting performance for the producer price index in Iran.
عنوان نشريه :
اقتصاد و الگوسازي
