Kalman filter or VAR models to predict unemployment rate in Romania?

angleški

2015

letnik 61, številka 3

Romunija    brezposelnost    napovedovanje   ekonometrija   modeli

Univerza v Mariboru, Ekonomsko-poslovna fakulteta
(Obvezni izvod spletne publikacije)

V prispevku predstavljamo v praksi pogost ekonomski problem. Ko imamo za isto spremenljivko več napovedi, pri odločanju pa potrebujemo samo eno, je za izbiro najboljše treba te napovedi oceniti. Namen prispevka je predlagati nekaj strategij za izboljšanje napovedi stopnje brezposelnosti v Romuniji s primerjalno analizo točnosti na podlagi dveh kvantitativnih metod, Kalmanovega filtra in vektorskih avtoregresijskih modelov (VAR-modelov). Pri prvi metodi je upoštevan razvoj komponent brezposelnosti, pri VAR-modelih pa medsebojne odvisnosti med stopnjo brezposelnosti in inflacijsko stopnjo. Po Grangerjevem testu vzročnosti je inflacijska stopnja v prvi diferenci vzrok za stopnjo brezposelnosti v prvi diferenci pri stacionarnih podatkih. Za napovedi stopnje brezposelnosti v obdobju 2010-2012 v Romuniji dobimo z VAR-modeli (v vseh različicah VAR-simulacij) bolj točne napovedi kot s Kalmanovim filtrom na osnovi dveh modelov prostora stanj za vse mere točnosti. Upoštevajoč povprečno absolutno tehtano napako, so dinamične stohastične simulacije, uporabljene za napovedovanje brezposelnosti, ki temeljijo na VAR-modelu, najbolj točne. Pri drugi strategiji za izboljšanje začetnih napovedi, ki temelji na Kalmanovem filtru, so uporabljeni popravljeni podatki o brezposelnosti, transformirani s Hodrick-Prescottovim filtrom. Uporaba VAR modelov namesto različic Kalmanovega filtra je najboljša strategija za izboljšanje kakovosti napovedi stopnje brezposelnosti v Romuniji. Medsebojna povezanost med brezposelnostjo in inflacijo namreč ponuja uporabne informacije za napovedi, ki so zanesljivejše kot napovedi na osnovi razvoj brezposelnosti glede na gibanje njenih komponente (naravna brezposelnost in ciklična komponenta).

14.04.2017