Warianty tytułu
Prognozowanie PKB w Polsce : historia ciągłych niepowodzeń
Języki publikacji
Abstrakty
The aim of this paper is to evaluate gross domestic product (GDP) forecast errors of Polish professional forecasters based on the individual data from the Rzeczpospolita daily newspaper. This dataset contains predictions obtained from forecasting competitions during the years 2013-2019 in Poland. Our analysis shows a lack of statistical efficiency of these predictions. First, there is a systemic negative bias, which is especially strong during the years 2016-2019. Second, the forecasters failed to correctly predict the effects of major changes in fiscal policy. Third, there is evidence of strategic behaviour; for example, the forecasters tended to revise their estimates too frequently and too excessively. We also document herding behaviour, i.e. an alignment of the most extreme forecasts towards market consensus with time, and an overly strong reliance on forecasts from NBP inflation projections in cases of estimates for longer horizons. (original abstract)
Praca zwiera analizę błędów prognoz wzrostu PKB wysyłanych do dziennika Rzeczpospolita przez instytucje komercyjne w ramach konkursu na najlepszego analityka makroekonomicznego w latach 2013-2019. W ramach badania wykonany został model panelowy efektów stałych, za pomocą którego zweryfikowano 3 hipotezy:
1. Prognozy nie zawierają systematycznych obciążeń.
2. Prognozy są efektywne według definicji Nordhausa, tj. przeszłe rewizje prognoz nie pozwalają wnioskować na temat kolejnych kierunków zmian.
3. Profesjonalni analitycy kształtują swoje szacunki niezależnie od tego, jaka jest aktualna mediana oczekiwań. Jak wskazuje tytuł pracy, badanie pokazało brak statystycznej efektywności prognoz - każda z powyższych hipotez została odrzucona.
1. Analitycy komercyjni popełniali systematyczne i jednostronne błędy, które były szczególnie widoczne w latach 2016-2019. Prognozowane tempo wzrostu było niższe od późniejszych danych.
2. Analitycy nie byli w stanie poprawnie przewidzieć konsekwencji działań fiskalnych rządu oraz zmian strukturalnych związanych ze zmianą unijnej perspektywy budżetowej.
3. Ekonomiści mieli tendencję do nadmiernego rewidowania prognoz. W przypadku każdej większej zmiany można było oczekiwać, że kolejna rewizja odwróci część dokonanej wcześniej korekty.
4. Zidentyfikowane zostały przykłady działań strategicznych. Analitycy, których prognozy znacznie odchylały się od rynkowego konsensusu, mieli tendencję do rewidowania swoich szacunków w kierunku mediany (ang. herding behaviour). Co więcej, obserwujemy spadek niezgodności między prognostami wraz z oddalającym się horyzontem prognozy. Takie zjawisko sugeruje, że profesjonalni analitycy komercyjni w znacznym stopniu bazują na wynikach projekcji makroekonomicznej NBP - może być to efekt dysponowania mniejszymi możliwościami w zakresie budowy i utrzymania modeli do prognoz długookresowych. W pracy rozważono możliwość korekty zaistniałego stanu. Autor wskazuje, że jedną z przyczyn problemów może być zdominowanie rynku prognoz przez instytucje finansowe - główni ekonomiści w tych organizacjach cechują się zbliżonymi życiorysami, środowiskiem pracy etc. Dlatego też autor rekomenduje większe zaangażowanie instytucji sektora publicznego w komentowanie bieżącej rzeczywistości gospodarczej. Systematycznym problemem w Polsce jest także niskie zaangażowanie sektora akademickiego. W opinii autora NBP stosunkowo niedużymi nakładami finansowymi jest w stanie poprawić tę sytuację. Warto przyjrzeć się działaniom promocyjnym prowadzonym przez londyńskie firmy finansowe. Organizują one konkursy modeli prognostycznych w wybranych dziedzinach (np. różnica punktów w meczu NBA w NBA data challenge firmy G-research). Stworzenie podobnego przedsięwzięcia w Polsce może zachęcić np. zdolnych technicznie doktorantów do generowania własnych predykcji. Zapewniłoby to większy pluralizm w debacie ekonomicznej oraz wymusiło znacznie większą dyscyplinę przygotowywania prognoz przez profesjonalnych prognostów. (abstrakt oryginalny)
1. Prognozy nie zawierają systematycznych obciążeń.
2. Prognozy są efektywne według definicji Nordhausa, tj. przeszłe rewizje prognoz nie pozwalają wnioskować na temat kolejnych kierunków zmian.
3. Profesjonalni analitycy kształtują swoje szacunki niezależnie od tego, jaka jest aktualna mediana oczekiwań. Jak wskazuje tytuł pracy, badanie pokazało brak statystycznej efektywności prognoz - każda z powyższych hipotez została odrzucona.
1. Analitycy komercyjni popełniali systematyczne i jednostronne błędy, które były szczególnie widoczne w latach 2016-2019. Prognozowane tempo wzrostu było niższe od późniejszych danych.
2. Analitycy nie byli w stanie poprawnie przewidzieć konsekwencji działań fiskalnych rządu oraz zmian strukturalnych związanych ze zmianą unijnej perspektywy budżetowej.
3. Ekonomiści mieli tendencję do nadmiernego rewidowania prognoz. W przypadku każdej większej zmiany można było oczekiwać, że kolejna rewizja odwróci część dokonanej wcześniej korekty.
4. Zidentyfikowane zostały przykłady działań strategicznych. Analitycy, których prognozy znacznie odchylały się od rynkowego konsensusu, mieli tendencję do rewidowania swoich szacunków w kierunku mediany (ang. herding behaviour). Co więcej, obserwujemy spadek niezgodności między prognostami wraz z oddalającym się horyzontem prognozy. Takie zjawisko sugeruje, że profesjonalni analitycy komercyjni w znacznym stopniu bazują na wynikach projekcji makroekonomicznej NBP - może być to efekt dysponowania mniejszymi możliwościami w zakresie budowy i utrzymania modeli do prognoz długookresowych. W pracy rozważono możliwość korekty zaistniałego stanu. Autor wskazuje, że jedną z przyczyn problemów może być zdominowanie rynku prognoz przez instytucje finansowe - główni ekonomiści w tych organizacjach cechują się zbliżonymi życiorysami, środowiskiem pracy etc. Dlatego też autor rekomenduje większe zaangażowanie instytucji sektora publicznego w komentowanie bieżącej rzeczywistości gospodarczej. Systematycznym problemem w Polsce jest także niskie zaangażowanie sektora akademickiego. W opinii autora NBP stosunkowo niedużymi nakładami finansowymi jest w stanie poprawić tę sytuację. Warto przyjrzeć się działaniom promocyjnym prowadzonym przez londyńskie firmy finansowe. Organizują one konkursy modeli prognostycznych w wybranych dziedzinach (np. różnica punktów w meczu NBA w NBA data challenge firmy G-research). Stworzenie podobnego przedsięwzięcia w Polsce może zachęcić np. zdolnych technicznie doktorantów do generowania własnych predykcji. Zapewniłoby to większy pluralizm w debacie ekonomicznej oraz wymusiło znacznie większą dyscyplinę przygotowywania prognoz przez profesjonalnych prognostów. (abstrakt oryginalny)
Twórcy
autor
- Warsaw School of Economics, Poland
Bibliografia
- Ager P., Kappler M., Osterloh S. (2009), The accuracy and efficiency of the Consensus Forecasts: a further application and extension of the pooled approach, International Journal of Forecasting,25(1), 67-181.
- Artis M., Marcellino M. (2001), Fiscal forecasting: the track record of the IMF, OECD and EC, Econometrics Journal, 4, 20-36.
- Ashiya M. (2003), Testing the rationality of Japanese GDP forecasts: the sign of forecast revision matters, Journal of Economic Behavior & Organization, 50(2), 263-269.
- Ashiya M. (2009), Strategic bias and professional affiliations of macroeconomic forecasters, Journal of Forecasting,28(2), 120 -130.
- Blanchard O.J., Leigh D. (2013), Growth forecast errors and fiscal multipliers, American Economic Review,103(3), 117-120.
- Bowles C., Friz R., Genre V., Kenny G., Meyler A., Rautanen T. (2007), The ECB survey of professional forecasters (SPF): a review after eight years' experience,ECB Occasional Paper, 59.
- Brück T., Stephan A. (2006), Do Eurozone countries cheat with their budget deficit forecasts? Kyklos,59(1), 3-15.
- Campbell S.D., Sharpe S.A. (2009), Anchoring bias in consensus forecasts and its effect on market prices, Journal of Financial and Quantitative Analysis, 44(2), 369-390.
- Capistrán C., López-Moctezuma G. (2014), Forecast revisions of Mexican inflation and GDP growth, International Journal of Forecasting,30(2), 177-191.
- Dovern J., Weisser J. (2011), Accuracy, unbiasedness and efficiency of professional macroeconomic forecasts: an empirical comparison for the G7, International Journal of Forecasting, 27(2), 452-465.
- Jain M. (2018), Sluggish forecasts, Bank of Canada Staff Working Paper,2018-39.
- Gleason C.A., Lee C.M. (2003), Analyst forecast revisions and market price discovery, The Accounting Review,78(1), 193 -225.
- Kasznik R., McNichols M.F. (2002), Does meeting earnings expectations matter? Evidence from analyst forecast revisions and share prices,Journal of Accounting Research,40(3), 727-759.
- Kotlowski J. (2015), Do central bank forecasts matter for professional forecasters?, Czech Journal of Economics and Finance (Finance a uver), 65(6), 432-454.
- Lahiri K., Sheng X. (2010), Learning and heterogeneity in GDP and inflation forecasts, International Journal of Forecasting, 26(2), 265-292.
- Loungani P. (2001), How accurate are private sector forecasts? Cross-country evidence from consensus forecasts of output growth,International Journal of Forecasting,17(3), 419-432.
- Loungani P., Stekler H., Tamirisa N. (2013), Information rigidity in growth forecasts: some cross- -country evidence,International Journal of Forecasting,29(4), 605-621.
- Lucas R.E., Sargent T.J. (1981), Rational Expectations and Econometric Practice, vol. 2, University of Minnesota Press.
- Nordhaus W.D. (1987), Forecasting efficiency: concepts and applications, The Review of Economics and Statistics, 69(4),667-674.
- Pina A., Venes N. (2011), The political economy of EDP fiscal forecasts: an empirical assessment, European Journal of Political Economy, 27(3), 534-546.
- Pons-Novell J. (2003), Strategic bias, herding behaviour and economic forecasts, Journal of Forecasting, 22(1), 67-77.
- Tong H. (2007), Disclosure standards and market efficiency: evidence from analysts' forecasts, Journal of International Economics,72(1), 222-241.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171618220
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.