Porównanie jakości prognozowania polskiego PKB dynamicznymi modelami czynnikowymi oraz czynnikowymi modelami MIDAS

• Autorzy: Marcin Łupiński

Warianty tytułu

Comparison of Polish GDP Forecasting Quality with Dynamic Factor Models and MIDAS Embedded with Factor Structure

• Języki publikacji: PL

Abstrakty

Artykuł jest kontynuacją cyklu opracowań autora [2007; 2009; 2012] doty-czących optymalnych metod prognozowania polskich zmiennych makroekonomicznych na przykładzie dynamiki produktu krajowego brutto. W ramach wykonanego na potrzeby arty-kułu badania porównano jakość nowcastów ("prognoz" teraźniejszości) i właściwych pro-gnoz określonych na podstawie proponowanego przez Mariano i Murasawę [2003] dyna-micznego modelu czynnikowego z obsługą mieszanych częstotliwości danych wejściowych i braków danych (MFDG-DFM) oraz rozszerzonego o strukturę czynnikową modelu regresji MIDAS (DFM-MIDAS) opracowanego pierwotnie przez Marcellino i Schumachera [2008]. Przedstawiono również zaplecze matematyczne obu modeli, wskazując na kombinowane podejście filtru Kalmana oraz metody największej wiarygodności jako metodę estymacji obu struktur. Uzyskane wyniki wskazują na przewagę modelu Mariano i Murasawy (o ok. 15% bardziej trafne prognozy niż w przypadku konkurenta), choć w zakresie nowcastów i prognoz na kwartał do przodu model ten musi uznać wyższość czynnikowego wariantu podejścia MIDAS.(abstrakt oryginalny)

EN

The article is a continuation of the previous author's papers (2007, 2009, 2012) devoted to the optimal methods of forecasting Polish macroeconomic variables, with the sample of GDP. The research was aimed at a comparison of the quality of nowcasts ("fore-casts" of the present time) and forecasts prepared with a dynamic factor model with mixed frequency and data gaps handling (MFDG-DFM) proposed by Mariano and Murasawa [2003] and MIDAS model augmented with factor structure (DFM-MIDAS), described for the first time in the paper of Marcellino and Schumacher [2008]. Mathematical backgrounds of both models were presented and a combination of Kalman filter and Maximum likelihood estimation was hinted as the estimation framework for both of them. The gained results show an advantage of Mariano and Murasawa approach in the field of the forecasts (approx-imately 15% more adequate forecasts for 2 and more quarters ahead) but this model is less adequate than the competitor for one quarter ahead forecasts and nowcasts.(original abstract)

Słowa kluczowe

PL

Makroekonomia; Prognozowanie; Produkt krajowy brutto (PKB)

EN

Macroeconomics; Forecasting; Gross domestic product (GDP)

• Czasopismo: Ekonometria / Uniwersytet Ekonomiczny we Wrocławiu
• Rocznik: 2013
• Numer: nr 4 (42)
• Strony: 85-102

Twórcy

autor

Marcin Łupiński

• Narodowy Bank Polski

Bibliografia

• Arouba S.B., Diebold F. X., Scotti C., Real-time measurement of business conditions, "Journal of Business and Economic Statistics" 2009, nr 27 (4), s. 417-27.
• Camacho M., Perez-Quiros G., Ń-STING: Espańa Short Term INdicator of Growth, "Banco de Es-pana Working Papers" nr 0912, Banco de Espańa, 2009.
• Camacho M., Perez-Quiros G., Introducing the euro-sting: Short-term indicator of euro area growth, "Journal of Applied Econometrics" 2010, nr 25(4), s. 663-694.
• Diebold F.X., Mariano R.S., Comparing predictive accuracy, "Journal of Business & Economic Statistics, American Statistical Association" 1995, nr 13(3), s. 253-63.
• Forni M. i in., Coincident and leading indicators for the euro area, "Economic Journal, Royal Eco-nomic Society" 2001, nr 111(471), s. 62-85.
• Frale C., Monteforte L., FaMIDAS: A Mixed Frequency Factor Model with MIDAS structure, "Italian Ministry of Economy and Finance Working Paper" nr 3, 07/2010.
• Geweke J., The Dynamic Factor Analysis of Economic Time-Series Models, [w:] Latent Variables in Socio-Economic Models, D. Aigner, A. Goldberger (ed.), North-Holland, New York 1977.
• Ghysels E., Santa-Clara P., Valkanov R., The MIDAS Touch: Mixed Data Sampling Regression Mod-els, "CIRANO Working Paper" 2004, CIRANO.
• Ghysels E., Sinko A., Valkanov R., MIDAS regressions: further results and new directions, "Econometric Reviews" 2006, nr 26, s. 53-90.
• Ghysels E., Andreou E., Kourtellos A., Regression models with mixed sampling frequencies, "Journal of Econometrics" 2010, nr 158, s. 246-261.
• Hamilton J.D., Time Series Analysis, Princeton University PressPrinceton, New York 1994.
• Łupiński M., Konstrukcja wskaźnika wyprzedzającego aktywności ekonomicznej w Polsce, praca doktorska, Uniwersytet Warszawski, Warszawa 2007.
• Łupiński M., Four years after expansion. are Czech Republic, Hungary and Poland closer to core or periphery of EMU?, "Ekonomia" 2009, nr 22, s. 75-100.
• Łupiński M., Short-term forecasting and composite indicators construction with help of dynamic factor models handling mixed frequencies data with ragged edges, ,,Przegląd Statystyczny" 2012, nr 59(1), s. 48-73.
• Marcellino M., Schumacher C., Factor-MIDAS for now- and forecasting with ragged-edge data: a model comparison for German GDP, CEPR Discussion Paper nr 6708 Mariano R.S., 2008.
• Mariano R., Murasawa Y., A new coincident index of business cycles based on monthly and quarterly series, "Journal of Applied Econometrics" 2003, nr 18(4), s. 427-443.
• Stock J.H., Watson M.W., New Indexes of Coincident and Leading Economic Indicators NBER Chapters, "NBER Macroeconomics Annual" 1989, nr 4, s. 351-409, NBER.
• Stock J.H., Watson M.W., Business Cycle Fluctuations in U.S. Macroeconomic Time Series, "NBER Working Papers" nr 6528, NBER 1998.