Syntetyczne wskaźniki wyprzedzające w prognozowaniu inflacji w Polsce

• Autorzy: Grzegorz Szafrański

Warianty tytułu

Composite Leading Indicators in Forecasting Inflation in Poland

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono wyniki procedury doboru zmiennych pochodzących z dużego zbioru danych ekonomicznych i finansowych do systematycznego, krótkookresowego prognozowania wskaźnika inflacji (CPI) w Polsce. Doboru zmiennych najsilniej skorelowanych z przyszłą inflacją w horyzoncie od 1 do 12 miesięcy naprzód, zwanych wskaźnikami wyprzedzającymi inflacji, dokonano na podstawie generacji danych rzeczywiście dostępnych co miesiąc od lipca 2009 do listopada 2010 roku (okres testowy). Następnie jakość prognoz w oparciu o modele wskaźników indywidualnych porównano ze wskaźnikami syntetycznymi w okresie od grudnia 2010 do listopada 2012 roku (okres weryfikacji) stosując bezpośrednią metodę prognozowania. W porównaniu do modeli wskaźników indywidualnych ustalonych na podstawie rankingu w okresie testowym wskaźniki syntetyczne uzyskane za pomocą metod analizy czynnikowej okazują się być dobrymi predyktorami przyszłej inflacji pod względem precyzji, nieobciążoności i odporności prognoz na zmiany liczby wskaźników i wspólnych czynników. (abstrakt oryginalny)

EN

We present the procedure for a systematic selection of short-term leading indicators for Polish consumer inflation (CPI) from large number of predictors. Using data set of 189 economic and financial time series (available from July 2009 to November 2012) we select the indicators highly (in-sample) correlated with future inflation from 1 to 12 months ahead. Then we perform a direct forecasting exercise on a real-time data base from December 2010 to November 2012. Compared to individual leading indicators we find that few common factors extracted from a principal component analysis (named composite leading indicators) are successful tools for predicting future inflation being precise, unbiased, and more robust to changes in a number of predictors and common factors. (original abstract)

Słowa kluczowe

PL

Prognozowanie cen; Inflacja; Analiza czynnikowa; Analizy głównych komponentów

EN

Prediction of prices; Inflation; Factor analysis; Principal Component Analysis (PCA)

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2013
• Tom: 60
• Numer: z. 3
• Strony: 395--416

Twórcy

autor

Grzegorz Szafrański

• Uniwersytet Łódzki, Instytut Ekonomiczny NBP

Bibliografia

• [1] Ang, A., Bekaert, G., Wei, M., (2007), Do Macro Variables, Asset Markets, or Surveys Forecast Inflation Better? Journal of Monetary Economics, 54 (4), 1163-1212.
• [2] Angelini, E., Henry, J., Mestre, R., (2001), Diffusion Index-based Inflation Forecasts for the Euro Area. Working Paper Series 061, European Central Bank.
• [3] Arratibel, O., Kamps, C., Leiner-Killinger, N., (2009), Inflation Forecasting in the New EU Member States. Working Paper Series 1015, European Central Bank.
• [4] Bai, J., (2003), Inferential Theory for Factor Models of Large Dimensions, Econometrica, Elsevier, 71 (1), 135-172.
• [5] Bai J., Ng, S., (2008), Forecasting Economic Time Series Using Targeted Predictors, Journal of Econometrics, Elsevier, 146 (2), 304-317.
• [6] Banerjee, A., Marcellino, M., Masten, I., (2004), Forecasting Macroeconomic Variables for the Acceding Countries. Working Papers 260, IGIER (Innocenzo Gasparini Institute for Economic Research), Bocconi University.
• [7] Banerjee, A., Marcellino, M., Masten, I., (2005), Leading Indicators for Euro-Area Inflation andGDP Growth.Oxford Bulletin of Economics and Statistics, 67 (s1), 785-813.
• [8] Baranowski, P., Leszczyńska, A., Szafrański, G., (2010), Krótkookresowe prognozowanie inflacji z użyciem modeli czynnikowych, Bank i Kredyt, 41 (4), 23-44.
• [9] Białowolski, P., Żochowski, D., (2006), Analiza własności prognostycznych komponentów WPI, w: Drozdowicz-Bieć M., (red.), Wskaźniki wyprzedzające. Prace i Materiały Instytutu Rozwoju Gospodarczego SGH. Warszawa.
• [10] Białowolski, P., Żochowski, D., (2006), Wskaźniki wyprzedzające. Prace i Materiały Instytutu Rozwoju Gospodarczego SGH, Rozdz. w: Analiza własności prognostycznych komponentów WPI, 167-197.
• [11] Boivin, J., Ng, S., (2005), Understanding and Comparing Factor-Based Forecasts, International Journal of Central Banking, 1 (3), 117-151.
• [12] Boivin, J., Ng, S., (2006), Are More Data Always Better for Factor Analysis?, Journal of Econometrics, Elsevier, 132(1), 169-194.
• [13] Burns, A. F., Mitchell, W. C., (1946), Measuring Business Cycles, Nowy Jork, NBER.
• [14] Brzoza-Brzezina, M., Kotłowski, J., (2009), Bezwzględna stopa inflacji w gospodarce polskiej, Gospodarka Narodowa, 9 (37), 1-21.
• [15] Cristadoro, R., Forni, M., Reichlin, L., Veronese, G., (2005), A Core Inflation Indicator for the Euro Area, Journal of Money, Credit and Banking, 37 (3), 539-560.
• [16] Doz, C., Giannone, D., Reichlin, L., (2006), A Quasi Maximum Likelihood Approach for Large Approximate Dynamic Factor Models, Working Paper Series 674, European Central Bank.
• [17] Forni, M., Hallin, M., Lippi, M., Reichlin, L., (2005), The Generalized Dynamic Factor Model: One-Sided Estimation and Forecasting, Journal of the American Statistical Association, 100, 830-840.
• [18] Giannone, D., Matheson, T., (2007), A New Core Inflation Indicator for New Zealand, CEPR Discussion Papers 6469.
• [19] Hendry, D. F., Hubrich, K., (2006), Forecasting Economic Aggregates by Disaggregates, Working Paper Series 589, European Central Bank.
• [20] Hertel, K., Leszczyńska, A., (2013), Uporczywość inflacji i jej komponentów - badanie empiryczne dla Polski, Przegląd Statystyczny, 60 (2), 187-210.
• [21] Hofmann, B., (2008), Do Monetary Indicators Lead Euro Area inflation?, Working Paper Series867, European Central Bank.
• [22] Kapetanios, G., (2004), A Note on Modelling Core Inflation for the UK Using a New Dynamic Factor Estimation Method and a Large Disaggregated Price Index Dataset, Economics Letters, 85(1), 63-69.
• [23] Kotłowski, J., (2008), Forecasting Inflation with Dynamic Factor Model - the Case of Poland, Working Papers 24, Department of Applied Econometrics, Warsaw School of Economics.
• [24] Łupiński M., (2012), Short-term Forecasting and Composite Indicators Construction with Help of Dynamic Factor Models Handling Mixed Frequencies Data with Ragged Edges, Przegląd Statystyczny, 59 (1), 48-73.
• [25] Łyziak, T., Stanisławska, E., (2008), Consumer Inflation Expectations in Europe: Some Cross-Country Comparisons, Bank i Kredyt, 39 (9), 14-28.
• [26] Reis, R., Watson, M. W., (2010), Relative Goods' Prices, Pure Inflation, and the Phillips Correlation, American Economic Journal: Macroeconomics, 2 (3), 128-157.
• [27] Stock, J. H., Watson, M. W., (1989), New Indexes of Coincident and Leading Economic Indicators, w: Blanchard, O. J., Fischer, S., (red.), NBER Macroeconomics Annual 1989, 4, NBER Chapters, National Bureau of Economic Research, Inc., 351-409.
• [28] Stock, J. H., Watson, M. W., (2002a), Forecasting Using Principal Components From a Large Number of Predictors, Journal of the American Statistical Association, 97 (460), 1167-1179.
• [29] Stock, J. H., Watson, M. W., (2002b), Macroeconomic Forecasting Using Diffusion Indexes, Journal of Business and Economic Statistics, 20 (2), 147-162.
• [30] Stock, J. H., Watson, M. W., (2003), Forecasting Output and Inflation: The Role of Asset Prices, Journal of Economic Literature, 41 (3), 788-829.
• [31] Stock, J. H., Watson, M. W., (2006), Forecasting with Many Predictors, w: Elliot G., Granger C.W.J., Timmermann A., (red.), Handbook of Economic Forecasting, Elsevier, Roz. 10 (1), 515-554.
• [32] Stock, J. H., Watson, M. W., (2008), Phillips Curve Inflation Forecasts, NBER Working Papers 14322, National Bureau of Economic Research, Inc.
• [33] Szafrański G., (2011), Krótkoterminowe prognozy polskiej inflacji w oparciu o wskaźniki wyprzedzające, Materiały i Studia, Zeszyt nr 263, NBP, Warszawa.