Porównanie trafności jednorocznych prognoz polskiej koniunktury sporządzanych przez krajowe i międzynarodowe instytucje ekonomiczne

• Autorzy: Aleksander Grechuta

Warianty tytułu

A Comparison of Annual Forecasts Accuracy of Polish Economic Conditions Compiled by National and International Institutions

• Języki publikacji: PL

Abstrakty

Dobra znajomość przyszłych warunków działania jest niezbędna do osiągnięcia sukcesu w przedsięwzięciach gospodarczych. W makroekonomii warunki te nazywa się koniunkturą. W tym świetle znaczenie przewidywania koniunktury nie budzi wątpliwości, nie dziwi zatem, że wiele podmiotów zajmuje się tworzeniem prognoz ekonomicznych. Prognozy te w niejednakowym stopniu różnią się w zależności od instytucji, więc bardzo ważnym zagadnieniem jest ocena, które z nich charakteryzują się większą trafnością. W niniejszej pracy porównano trafność jednorocznych prognoz polskiej koniunktury sporządzanych przez Narodowy Bank Polski (NBP), Ministerstwo Finansów (MF), Komisję Europejską (KE), Organizację Współpracy Gospodarczej i Rozwoju (OECD) oraz Międzynarodowy Fundusz Walutowy (IMF). Badano trafność prognoz ex post w okresie 2004-2016, z uwzględnieniem korekt dla poszczególnych instytucji, związanych z dostępnością danych. Zmiany koniunktury opisywano za pomocą wybranych charakterystyk: rocznej dynamiki produktu krajowego brutto (PKB), inflacji mierzonej wskaźnikiem cen i towarów konsumpcyjnych (CPI) lub zharmonizowanym indeksem cen konsumpcyjnych (HICP) oraz stopy bezrobocia. Do badania trafności prognoz sporządzonych przez poszczególne instytucje wykorzystano wybrane miary jakości predykcji ex post, m.in.: średni błąd prognozy (ME), średni bezwzględny błąd prognozy (MAE), pierwiastek błędu średniokwadratowego (RMSE), współczynnik U-Theila oraz dekompozycje błędu średniokwadratowego. (abstrakt oryginalny)

EN

A proper knowledge of future operating conditions is almost always considered a key factor of most economic projects. On a macroeconomic level, the quoted operating conditions are described as economic conditions. It is apparent that being able to correctly anticipate future conditions is of utmost importance. Therefore, it is no surprise that many economic entities focus on compiling economic forecasts. The forecasts of the different forecasting institutions almost never have the same results, which creates the need to evaluate their accuracy in order to establish which of them are the most reliable. This paper deals with a comparison of the accuracy of annual forecasts of the Polish economic conditions compiled by Narodowy Bank Polski (NBP), the Ministry of Finance of Poland (MoF), the European Commission, the Organisation of Economic Co-operation and Development (OECD) and the International Monetary Fund (IMF). The accuracy of the forecasts was examined using ex post methods. The selected time interval covers the years from 2004 to 2016, while taking it into account that some institutions take a different time span depending on data availability. The changes of economic conditions were represented by a selection of factors: changes in the average annual growth rate of Gross Domestic Product (GDP) in percentage, inflation described by the Consumer Price Index and in one specific case - the Harmonized Index of Consumer Prices, and the unemployment rate. Forecast accuracy was analysed using various ex post statistical methods, including mean error (ME), mean absolute error (MAE), root mean squared error (RMSE), Theil coefficient (Theil's U or U-Theil) and decomposition of mean squared error. (original abstract)

Słowa kluczowe

PL

Prognozowanie makroekonomiczne; Planowanie krótkoterminowe; Produkt krajowy brutto (PKB); Inflacja; Bezrobocie; Międzynarodowe instytucje finansowe; Analiza porównawcza; Zharmonizowany wskaźnik cen konsumpcyjnych

EN

Macroeconomic forecasting; Short-term planning; Gross domestic product (GDP); Inflation; Unemployment; International financial institutions; Comparative analysis; Harmonised Index of Consumer Prices (HICP)

• Czasopismo: Bank i Kredyt
• Rocznik: 2018
• Numer: nr 1
• Strony: 63--91

Twórcy

autor

Aleksander Grechuta

Bibliografia

• Acedański J., Bernais J., Mastalerz-Kodzis A. (2014), Dokładność wybranych metod prognozowania wynagrodzeń i liczby pracujących w Polsce, Bank i Kredyt, 45(2), 163-196.
• Baranowski P., Leszczyńska A., Szafrański G. (2010), Krótkookresowe prognozowanie inflacji z użyciem modeli czynnikowych, Bank i Kredyt, 41(4), 28-44.
• Blix M., Wadefjord J., Wienecke U., Adahl M. (2001), How good is the forecasting performance of major institutions, Economic Review (Penning - OchValutapolitk), 3/2001, 37-68.
• Bry G., Boschan C. (1971), Programmed selection of cyclical turning points, Cyclical Analysis of Time Series: Selected Procedures and Computer Programs, National Bureau of Economic Research.
• Budnik K. i in. (2009), The new macroeconometric model of the Polish economy, National Bank of Poland Working Paper, 62.
• Chai T., Draxler R. (2014), Root mean square error (RMSE) or mean absolute error (MAE)? Arguments against avoiding RMSE in the literature, Geoscientific Model Development, 7, 1247-1250.
• Franek S. (2013), Wieloletnie planowanie budżetowe, Difin.
• Gonzales-Cabanillas L., Terzi A. (2012), The accuracy of the European Commission's forecasts re-examined, Economic Papers, 476.
• Greszta M., Hulej M., Krzesicki O., Lewińska R., Pońsko P., Rybaczyk B., Tarnicka M. (2011), Reestymacja kwartalnego modelu gospodarki polskiej NECMOD 2011, Narodowy Bank Polski.
• Greszta M., Hulej M., Lewińska R., Michałek A., Pońsko P., Rybaczyk B., Schulz B. (2010), Reestymacja kwartalnego modelu gospodarki polskiej NECMOD 2010, Narodowy Bank Polski.
• Greszta M., Hulej M., Lewińska R., Michałek A., Pońsko P., Rybaczyk B., Schulz B. (2012), Reestymacja kwartalnego modelu gospodarki polskiej NECMOD 2012, Narodowy Bank Polski.
• Hałka A., Leszczyńska A. (2011), Wady i zalety wskaźnika cen towarów i usług konsumpcyjnych - szacunki obciążenia dla Polski, Gospodarka Narodowa, 9(241), 51-57.
• Hyndman R. (2006), Another look at measures of forecast accuracy, Foresight, 4, 43-46.
• Hyndman R. (2014), Measuring forecast accuracy, w: M. Gilliland, L. Tashman, U. Sglavo, Business Forecasting: Problems and Solutions, Willey & Sons.
• IMF (2017a), The IMF at a glance, http://www.imf.org/external/np/exr/facts/pdf/glance.pdf.
• IMF (2017b), World Economic Outlook (WEO), https://www.imf.org/external/pubs/ft/weo/faq.htm.
• IMF (2017c), Database - WEO groups and aggregates information, https://www.imf.org/external/pubs/ft/ weo/2017/01/weodata/groups.htm