Forecasting Economic Dynamics of Germany Using Conditional Models (1992-2014)

• Autorzy: Wiesław Łuczyński

Warianty tytułu

Prognozowanie dynamiki gospodarczej Niemiec z pomocą modeli warunkowych (1992-2014)

• Języki publikacji: EN

Abstrakty

EN

A great diversity characterizes economic dynamics of Germany over a long period of time. This refers to many time series: in some periods, they show large volatility which then moves into stability and stagnation phase, generating specific difficulties in a long-term forecasting of economic dynamics. The aim of the research is the attempt to determine the prognostic efficiency of conditional modelling and to answer the question whether or not conditional errors are significantly smaller than the unconditional ones in long-term forecasting. The research showed that conditional errors (root mean square errors RMSE) of an ex- post forecast did not differ significantly from the unconditional RMSE. The decreasing RMSE of the ex-post forecast for Germany's individual economic processes (with the assumption that an intercept occurs in the ARMA procedure) was correlated more strongly with the procedure of filtering economic time series than with the application of the conditional maximum likelihood method (ML) and robust procedures. The relationship between a decreasing RMSE of the ex-post forecast and the application of conditional ML methods occurs in ARMAX forecasts (with exogenous processes) for data filtered with Hodrick - Prescott (HP) filter. It is worth pointing out that a relatively high prognostic efficiency of the robust (resistant) estimation of quantile regression occurs for the economic series linearized with the help of the TRAMO/SEATS method. (original abstract)

Dynamikę gospodarczą Niemiec w długich okresach czasu cechuje duże zróżnicowanie. Dotyczy to wielu szeregów czasowych: w pewnych okresach wykazują one dużą zmienność, która następnie przechodzi w fazę stabilizacji i zastoju. Stwarza to określone trudności w długookresowym prognozowaniu dynamiki gospodarczej. Celem podjętych badań była próba ustalenia efektywności prognostycznej modelowania warunkowego, próba odpowiedzi na pytanie czy warunkowe błędy prognoz długoterminowych są znacząco mniejsze od błędów bezwarunkowych. Badanie pokazało, że warunkowe błędy prognozy ex post nie różnią się znacząco od błędów bezwarunkowych. Zmniejszający się błąd prognozy ex post dla poszczególnych procesów gospodarczych Niemiec (przy założeniu występowania tylko wyrazu wolnego w procedurze ARMA) jest silniej skorelowany z procedurą filtrowania szeregów ekonomicznych aniżeli z zastosowaniem uwarunkowanej metody największej wiarygodności i procedur odpornych na wartości odstające. Zależność między malejącym średnim kwadratowym błędem prognozy ex post i wykorzystaniem warunkowej MNW występuje natomiast prognozach ARMAX (z procesami egzogenicznymi), przy czym minimalny warunkowy błąd prognozy wystąpił dla danych przefiltrowanych z pomocą filtra Hodricka - Prescotta. Na uwagę zasługuje względnie wysoka efektywność prognostyczna odpornej estymacji regresji kwantylowej dla danych zlinearyzowanych z pomocą metody TRAMO/SEATS.(abstrakt oryginalny)

Słowa kluczowe

EN

Economy dynamics; Economic forecast; Quantile regression; Exogenous variable

PL

Dynamika gospodarki; Prognozy gospodarcze; Regresja kwantylowa; Zmienna objaśniająca

• Czasopismo: Zeszyty Naukowe Wyższej Szkoły Bankowej we Wrocławiu
• Rocznik: 2016
• Tom: 16
• Numer: nr 3 Applicability of Quantitative Methods to Economics, Finance, and Management
• Strony: 41--64

Twórcy

autor

Wiesław Łuczyński

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Athreya K. B., Lahiri S. N. (2006), Measure Theory and Probability Theory, Springer Science + Business Media LLC, New York.
• Berndt E. R., Hall B. H., Hall R. E., Hausman J.A., (1974), Estimation and Inference in Non-Linear Structural Models, "Annals of Economic and Social Measurement‟, vol. 3.
• Brandt S., (1999), Analiza danych. Metody statystyczne i obliczeniowe (tłumaczenie L. Szmanowski), wyd. drugie zmienione, Wyd. Naukowe PWN, Warszawa.
• Chatfield Ch., (2000), Time-series forecasting, Chapman & Hall/CRC, London.
• Clements M. P., Hendry D. F., (2004), Forecasting economic time series, Cambridge University Press, Cambridge.
• Clements M. P., Hendry D. F., (2001), Forecasting Non-stationary Economic Time Series, The MIT Press, Cambridge.
• Chow G. C., (1995), Ekonometria (przekład W. Jurek), Wyd. Naukowe PWN, Warszawa.
• Chukwu E., N., (2003), Optimal Control of the Growth of Wealth of Nations, Taylor & Francis, London and New York.
• DeLurgio S., A., (1998) Forecasting Principles and Applications, International Edition, Irwin McGraw - Hill, New York.
• Edgeworth F., Y., (1888), On a New Method of Reducing Observations Relating to Several Quantities, "Philosophical Magazine‟, vol. 25.
• Ekonometria, (Pod red. M. Gruszczyńskiego i M. Podgórskiej), (2003), SGH, Warszawa.
• Green W., H., (2000), Econometric Analysis, Fourth Editon, Prentice Hall International, Inc, New Jersey.
• Jajuga K., (1993), Statystyczna analiza wielowymiarowa, PWN, Warszawa.
• Kosiorowski D., (2012a), Statystyczne funkcje głębi w odpornej analizie ekonomicznej, Wydawnictwo UE w Krakowie, Kraków.
• Kosiorowski D., (2012b), Wstęp do statystyki odpornej. Kurs z wykorzystaniem środowiska R, Wydawnictwo UE w Krakowie, Kraków.
• Kufel T., (2007), Ekonometria. Rozwiązywanie problemów z wykorzystaniem programu GRETL, Wyd. Naukowe PWN, Warszawa.
• Lem S., (2010), Filozofia przypadku. Literatura w świetle empirii, Dzieła tom XXVI, Biblioteka Gazety Wyborczej, Warszawa.
• Lopez - Pintado S., Romo J., (2006), Depth-Based Classification for Functional Data [w:] Series in Discrete Mathematics and Theoretical Computer Science, Liu R. Y., Serfling R., Souvaine D. L. (eds.), vol. 72, AMS.
• Lopez - Pintado S., Romo J., (2009), On the Concept of Depth for Functional Data, "Journal of the American Statistical Association‟, vol. 104(486).
• Maddala G., S., (2006), Ekonometria (Red. naukowy przekładu M. Gruszczyński), Wyd. Naukowe PWN, Warszawa.
• Maronna R. A., Martin R., D., Yohai V., J., (2006), Robust Statistics - Theory and Methods, John Willey & Sons Chichester.
• Prognozowanie gospodarcze. Metody i zastosowanie, (2001), (Pod red. M. Cieślak), Wyd. Naukowe PWN, Warszawa.
• Statystyczna analiza danych z wykorzystaniem programu R, (2009), (Red. naukowa M. Walesiak, E. Gatnar), Wyd. Naukowe PWN, Warszawa.
• Studemundt A. H., (2001), Using Econometrics. A Practical Guide, Fourth Edition, Addison Wesley Longman, Inc., New York.