پديد آورندگان :
محمدي، تيمور دانشگاه علامه طباطبائي - دانشكده اقتصاد - گروه اقتصاد نظري، تهران، ايران , بهرامي، جاويد دانشگاه علامه طباطبائي - دانشكده اقتصاد - گروه اقتصاد بازرگاني، تهران، ايران , فهيمي فر، فاطمه دانشگاه علامه طباطبائي - دانشكده اقتصاد - گروه اقتصاد، تهران، ايران
كليدواژه :
پيش بيني , مدل فضا - حالت , مدل عاملي متوسط گيري الگوي پويا , نرخ مصرف كننده
چكيده فارسي :
يكي از مهم ترين مشكلات اقتصادي در ايران طي چند دهه اخير پديده ي تورم بالا و دو رقمي است، به طوري كه بهبود شرايط ناشي از وجود تورم بالا همواره يكي از اهداف مهم برنامه هاي توسعه كشور بوده است. دستيابي به اين هدف مستلزم ايجاد ساز و كاري دقيق و هدفمند از فرآيند سياستگذاري اقتصادي است كه در شكل استاندارد خود، پيش بيني، هدفگذاري و تحليل سياستي را شامل مي گردد. در اين مطالعه از 108 متغير فصلي در دوره زماني96-1369 استفاده شدهاست. متغيرهاي مورد استفاده شامل شاخص قيمت مصرف كننده به عنوان متغير وابسته و 107 متغير مستقل (پيش بيني كننده) بوده كه در نه بلوك (بلوك قيمتي، بلوك تقاضا، بلوك دولت، بلوك خارجي، بلوك ستاده، بلوك پولي، بلوك مالي، بلوك انرژي و بلوك نيرويكار) به منظور استخراج عوامل گنجانده شده اند.از تحليل مولفه هاي اساسي براي استخراج عوامل با استفاده از تمامي متغيرها در هر بلوك استفاده شده است. علاوه بر اين، وقفه هاي هر مدل با استفاده از BIC تعيين شدهاند. همانند مطالعه كوپ و كوروبيليس (2012) پيشبينيها با سه افق كوتاه مدت (h=1)، افق ميان مدت (h=4) و افق بلندمدت (h=8) در نظرگرفته شده است. هدف اصلي اين مطالعه، مقايسه عملكرد پيشبيني مدلهاي DMA و DMS با BMA، BVAR، TVP و AR مي باشد. به منظور ارزيابي عملكرد پيشبيني از مربع ميانگين خطاي پيشبيني، قدرمطلق ميانگين خطاي پيشبيني، ميانگين درصد قدرمطلق خطاي پيشبيني، تورش خطاي پيشبيني و واريانس خطاي پيشبيني و مجموع لگاريتم احتمالات پيشبيني استفاده شده است. علاوه بر اين، به منظور مقايسه صحت پيشبيني از آزمون ديبولد-ماريانو (1995) استفاده شد. نتايج مطالعه نشان مي دهد كه پيشبيني مدلهاي گزينشي نمودن (DMS) و متوسط گيري الگوي پويا (DMA) نسبت به ساير روش هاي پيشبيني سنتي داراي عملكرد كاراتري براي نرخ تورم ايران هستند. يافته ها حاكي از آناست كه در تمامي افقهاي پيشبيني، بلوك هاي پولي و قيمتي داراي بيشترين تعداد در استفاده از مدل بهينه در طول زمان بوده و كمترين تعداد نيز به بلوك دولت اختصاص داشته است.
چكيده لاتين :
One of the most important economic problems in Iran during the last few decades is the phenomenon of inflation, to an extent that improving the conditions caused by inflation has always been one of the important goals of developmental plans in Iran. Achieving this goal requires the creation of a rigorous and purposeful mechanism for the economic policymaking process, which in its standard form involves forecasting, targeting and policy analysis. Given that inflation affects many macroeconomic indicators, therefore, explaining and forecasting inflation rates based on econometrics models can help improve policy making.
METHODOLOGY
In this study, 108 quarterly variables from 1990-2017 were used. The variables included the consumer price index as a dependent variable and 107 independent variables (predictors) which were included in nine blocks in order to extract the factors. Thus, 1) the price block included different values of the producer price index, GDP deflator and wage indexes (including 13 variables); 2) the demand block included components of GDP on the demand side and some other indexes related to capital stock (including 7 variables); 3) the fiscal block included all types of government revenues and expenditures (including 13 variables); 4) the international block included exports, imports, exchange rates, as well as the inflation and exchange rates of China and Germany (as Iran's largest trading partners) (including 17 variables); 5) the output block, where different types of production variables were used (including 14 variables); 6) the money block included liquidity and monetary base components (including 21 variables); 7) the financial block, including stock market and insurance variable (including 6 variables); 8) the energy block included various variables related to crude oil, electricity and energy (including 7 variables); and 9) the labor force block which included various variables of unemployment, employment and productivity (including 9 Variables). All the variables of this paper were seasonally adjusted using X-13, TRAMO or STL. Also, the statics of the variables were investigated by the use of unit root tests without seasonal integration (Dickey Fuller and KPSS tests) and a unit root test with seasonal and semi-annual integration (HEGY test). In addition, all variables were standardized by differentiating from the mean and dividing by the standard deviation. Principal Component Analysis (PCA) was used to extract the factors using all the variables in each block.
The main purpose of this study was to compare DMA and DMS models (9 block factor methodes) with BMA, BVAR, TVP and AR. In addition, the interruptions of each model were determined using BIC. Similar to the study of Koop and Korobilis (2012), the predictions were considered with a short-run horizon (h = 1), a medium-run horizon (h = 4) and a long-run horizon (h = 8).
In order to assess the prediction performance, Mean Squared Forecast Error (MSFE), Mean Absolute Forecast Error (MAFE), Mean Absolute Percentage Error (MAPE), the bias of the prediction error, the variance of the prediction error and the sum of log predictive likelihoods (PL) were used. In addition, the Diebold-Mariano (1995) test was used to compare the prediction accuracy.
