法国银行控制通货膨胀和失业吗？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Does Banque de France control inflation and unemployment?》
---
作者：
Ivan Kitov, Oleg Kitov
---
最新提交年份：
2013
---
英文摘要：
  We re-estimate statistical properties and predictive power of a set of Phillips curves, which are expressed as linear and lagged relationships between the rates of inflation, unemployment, and change in labour force. For France, several relationships were estimated eight years ago. The change rate of labour force was used as a driving force of inflation and unemployment within the Phillips curve framework. The set of nested models starts with a simplistic version without autoregressive terms and one lagged term of explanatory variable. The lag is determined empirically together with all coefficients. The model is estimated using the Boundary Element Method (BEM) with the least squares method applied to the integral solutions of the differential equations. All models include one structural break might be associated with revisions to definitions and measurement procedures in the 1980s and 1990s as well as with the change in monetary policy in 1994-1995. For the GDP deflator, our original model provided a root mean squared forecast error (RMSFE) of 1.0% per year at a four-year horizon for the period between 1971 and 2004. The rate of CPI inflation is predicted with RMSFE=1.5% per year. For the naive (no change) forecast, RMSFE at the same time horizon is 2.95% and 3.3% per year, respectively. Our model outperforms the naive one by a factor of 2 to 3. The relationships for inflation were successfully tested for cointegration. We have formally estimated several vector error correction (VEC) models for two measures of inflation. At a four year horizon, the estimated VECMs provide significant statistical improvements on the results obtained by the BEM: RMSFE=0.8% per year for the GDP deflator and ~1.2% per year for CPI. For a two year horizon, the VECMs improve RMSFEs by a factor of 2, with the smallest RMSFE=0.5% per year for the GDP deflator.
---
中文摘要：
我们重新估计了一组菲利普斯曲线的统计特性和预测能力，这些曲线表示为通货膨胀率、失业率和劳动力变化之间的线性和滞后关系。对法国来说，八年前就有过几段恋情。在菲利普斯曲线框架内，劳动力变动率被用作通货膨胀和失业的驱动力。嵌套模型集从一个没有自回归项和一个滞后解释变量项的简化版本开始。滞后与所有系数一起由经验确定。模型采用边界元法（BEM）进行估计，并将最小二乘法应用于微分方程的积分解。所有模型都包含一个结构性突破，可能与20世纪80年代和90年代对定义和衡量程序的修订以及1994-1995年货币政策的变化有关。对于GDP平减物价指数，我们最初的模型提供了1971年至2004年期间四年期内每年1.0%的均方根预测误差（RMSFE）。预测CPI通胀率时，RMSFE=每年1.5%。对于原始（无变化）预测，同一时间范围内的RMSFE每年分别为2.95%和3.3%。我们的模型比单纯的模型好2到3倍。通货膨胀关系成功地进行了协整检验。我们已经正式估计了两种通货膨胀指标的向量误差修正（VEC）模型。在四年的时间范围内，估计的向量机对边界元法获得的结果提供了显著的统计改进：GDP平减指数的RMSFE=0.8%，CPI的RMSFE=1.2%。在两年期内，VECM将RMSFE提高了2倍，最小的RMSFE=GDP平减指数每年0.5%。
---
分类信息：

一级分类：Quantitative Finance        数量金融学
二级分类：General Finance        一般财务
分类描述：Development of general quantitative methodologies with applications in finance
通用定量方法的发展及其在金融中的应用
--

---
PDF下载：
--> Does_Banque_de_France_control_inflation_and_unemployment?.pdf (1.18 MB)

2022-5-5 04:09:14 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：通货膨胀 unemployment relationship Quantitative respectively

法国银行控制通货膨胀和失业吗？Ivan O.KitovRussian Academy of Science Soleg I.KitovThe University of Oxford Abstracts我们重新估计了一组菲利普斯曲线的统计特性和预测能力，这些曲线表示为通货膨胀率、失业率和劳动力变化之间的线性和滞后关系。对法国来说，八年前就有了一些关系。在菲利普斯曲线框架内，劳动力变动率被用作通货膨胀和失业的驱动力。按照Fisher和Phillips最初的问题公式，嵌套模型集从一个没有自回归项和一个解释变量滞后项的简化版本开始。所有滞后系数都是由经验决定的。模型采用边界元法（BEM）估计，最小二乘法应用于微分方程的积分解。所有模型都包括一个结构性突破，可能与20世纪80年代和90年代对定义和衡量程序的修订以及1994-1995年货币政策的变化有关。对于GDP平减指数，我们最初的模型提供了1971年至2004年期间四年期内每年1.0%的均方根预测误差（RMSFE）。自2004年以来获得的八个新读数估计了相同的RMSFE。预测CPI通胀率时，RMSFE=每年1.5%。对于原始（无变化）预测，同一时间范围内的RMSFE每年分别为2.95%和3.3%。我们的模型比单纯的模型好2到3倍。通货膨胀的关系成功地进行了协整检验。我们正式估计了两种通货膨胀指标的向量误差修正（VEC）模型。

在VAR表示中，这些向量类似于菲利普斯曲线。在四年的时间范围内，估计的向量机对边界元法获得的结果提供了显著的统计改进：GDP平减指数的RMSFE=0.8%，CPI的RMSFE=1.2%。在两年期内，VECM将RMSFE提高了2倍，最小的RMSFE=GDP平减指数每年0.5%。这项研究验证了1970年至2012年间通货膨胀、失业和劳动力变化之间线性和滞后关系的可靠性和准确性。JEL分类：C32，E31，E63，J21，J64关键词：货币政策，通货膨胀，失业，劳动力，菲利普斯曲线，测量误差，预测，协整，法郎1。导言欧洲中央银行系统（ECB，2004）选择价格稳定作为单一目标。在数量方面，法国央行必须实施货币政策，将统一消费物价指数（HICP）的同比增幅保持在2%以下（法国央行，2004年）。为了实现价格稳定，货币政策应该建立在对价格通胀背后驱动力的理论和经验知识的坚实基础上。在这项研究中，我们使用了我们的法国通货膨胀模型（Kitov，2007），该模型基于为美国开发的通货膨胀概念（Kitov，2006）。我们的方法来源于原始的菲利普斯曲线（1958年）和费舍尔（1926年）获得的结果。作为通胀和失业的预测指标，我们测试的唯一宏观经济变量是劳动力水平的变化。

我们的模型跨越了1970年至2012年的时间段，包括一个结构突变，该突变与其他定义系数一起估计。更广泛的通货膨胀研究涉及两个主要方面：价格变化的原因和预测的准确性。首先，我们证明了总体价格变化和劳动力变化之间的联系是确定性的：通货膨胀是劳动力的一对一函数。因此，法兰西银行和其他经济/金融机构能够通过各种工具控制通货膨胀，而不仅仅是简单地改变货币流通速度，正如欧洲央行（2004年）制定的货币政策版本所暗示的那样。其次，通货膨胀对劳动力变化的反应被推迟了五年，因此，人们可以在五年的时间范围内获得对通货膨胀的准确估计。此外，基于人口预测和劳动力参与度估计的各种劳动力长期预测，可能会提供30至50年的极长期通胀预测。总体而言，这种中期（1至5年）和长期（比如40年）预测可以被视为新凯恩斯-菲利普斯曲线（NKPC）模型中的“通胀预期”。第2节讨论了菲利普斯曲线族和通货膨胀作为经济活动各种参数函数的概念。Atkeson andOhanian（2001）对通货膨胀预测成功率的评估进行了重大调整。他们证明，在四个季度的水平上，单变量自回归模型比基于经济和金融变量的最精细模型更好地预测美国的通货膨胀。

这一发现成为了通胀预测的基准，正如Stock和Watson（2006、2007、2008）所证明的那样，只有少数模型能够在短期内略好于天真（无变化）的预测。因此，不再需要直接比较各种预测模型。我们必须估计模型的改进。作为预测能力的衡量标准，经常使用均方根预测误差（RMSFE）。通货膨胀预测有两种常用的计量经济学方法：单变量和多变量。单变量模型将通货膨胀描述为一个独立的随机过程，其中可能包含数量不等的自回归项。对于综合通胀指标，Stock and Watson（2007）引入了一个新的基准单变量模型。他们估计了各种版本的未观测成分随机波动率（UC-SV）模型，并表明该模型能够在几个季度内超越AR（1）模型，但并不总是如此。作为GDP平减指数或消费者价格指数（CPI）等综合通胀指标预测的替代方案，Espasa等人（2002年）和Marcellino等人（2003年）提出了对分解通胀成分的预测进行汇总，以提高短期预测的准确性。Hubrich（2005）证明，在一年的期限内，具有分解价格成分的模型不会为欧元区带来改善。

Hendry和Hubrich（2010）报告称，当在模型中使用大量选定的分解变量进行总体通胀测量时，通胀预测的准确性略有提高，估计不确定性有所降低。对于法国，Hall和J"askel"a（2009）调查了1977年至2008年期间的主要CPI通货膨胀率的统计特性，并比较了几种预测模型。这项研究是在一个更广泛的方法中进行的，比较了具有明确通胀目标的发达国家（澳大利亚、加拿大、新西兰、瑞典和英国）和非目标国家（奥地利、法国、德国、日本和美国）的通胀情况。为了模拟通货膨胀的演变，他们使用了原始的和修改后的UC-SV模型，并发现与天真的模型相比，预测精度略有提高，这表明随着时间的推移没有变化。Stock和Watson（1999年，2002年）是第一个将主成分分析应用于大型预测集的先驱。继他们的开创性工作之后，Bruneau等人（2007年）编制了一组1988年至2003年期间的200多个宏观经济变量，并用一个简单的自回归模型测试了他们的预测能力。他们的建模和预测是在菲利普斯曲线框架内进行的。对于整体通胀，作者们发现，在一年的时间范围内，预测能力只有轻微（约10%）和暂时的改善。Celerier（2009）回顾了法国银行（Jondeau等人，1999年）之前使用的预测模型，并提出了结合菲利普斯曲线和价格加价模型的新版本。

对于一些外生预测因子，在一个月到六个季度的时间范围内，新模型的表现优于标准AR（4）、aVAR和非约束模型20%到30%。总体而言，关于法国通胀预测的文献并未对一年期的天真预测做出任何重大改进。在我们最初的论文（Kitov，2007）中，我们展示了预测1970年至2004年期间2至5年期通货膨胀的可能性。与“无变化”版本相比，预测的准确性提高了两倍甚至更多。由于该精度仅取决于劳动力估计的精度，因此可以轻松且显著地提高。在一定程度上，劳动力预测在货币政策中扮演着通胀锚的角色，因为它们定义了“通胀预期”。本文的剩余部分包括四个部分和结论。第2节简要介绍了菲利普斯曲线框架，并介绍了通货膨胀、失业和劳动力变化之间的一系列线性和滞后关系。本文还描述了用于估计这些关系中系数的边界元方法。在第3节中，我们讨论了相关时间序列的各种性质，包括描述性统计、平稳性和结构突变。第4节介绍了法国经修订的通货膨胀和失业模型，报告了劳动力、通货膨胀和失业之间的两个个体和一个广义联系的定量/统计结果，并估计了不同时期的预测误差。在第5节中，我们讨论了法国货币政策的一般后果，考虑到估计关系的准确性和可靠性。2.

1926年，费希尔-菲利普斯（Fisher-price）引入了失业率。他利用通货膨胀滞后长达五个月的数据，对1915年至1925年间的月度数据进行建模。通货膨胀和失业时间序列较短，且包含较高的测量误差，以产生相关因果关系中系数和滞后的稳健统计估计。基托夫（Kitov，2006）利用1965年至2004年间的观察数据，估计了美国的费舍尔式关系，并发现失业率的变化落后于通货膨胀率的变化10个季度。40年的周期为回归系数和滞后提供了良好的分辨率和较高的统计可靠性。格兰杰因果关系（Granger and Newbold，1974）以及与约翰森（Johansen，1988）检验的协整检验成功地检验了这种关系。两年半的滞后意味着因果关系的唯一方向。但其他国家可能表现出不同的滞后和顺序（Kitov和Kitov，2010）。菲利普斯（1958）将英国（工资）通胀和失业之间的联系解释为相反的方向。最初的菲利普斯曲线暗示名义工资率的变化率与当代失业率之间存在因果和非线性联系。他提出工资是由失业率的变化驱动的。因果关系的假设在英国的某些时期很有效。当应用于美国的通货膨胀和失业测量时，个人电脑成功地解释了20世纪50年代。此后，个人电脑成为宏观经济学不可或缺的一部分，从那时起，中央银行就广泛使用了宏观经济学。然而，该计划的成功并没有持续很长时间，20世纪60年代末和1970年代初的新数据对原始版本提出了挑战。

在对奥地利的通货膨胀和失业进行建模时，我们遵循通货膨胀和失业之间因果关系的原始假设，构建了一条经验菲舍尔/菲利普斯曲线。20世纪60年代末和70年代的通货膨胀快速增长时期给最初的个人电脑概念带来了重大变化。主流理论必须包括通货膨胀和失业的自回归特性，以解释观察结果。为了定量精确，失业率被经济和金融活动的不同参数所取代。总之，通货膨胀和失业之间因果关系的基本假设被抛弃，取而代之的是“理性预期”假设（卢卡斯，1972年，1973年），后来被“通货膨胀预期”的概念所取代（加利和格特勒，1999年）。前一种方法包括一定数量的过去通货膨胀值（自回归项）。它旨在解释从20世纪70年代初开始到80年代中期结束的高通胀时期的通货膨胀持续性。通货膨胀预期的概念在20世纪90年代末浮出水面，以解释货币和财政当局控制的大缓和（Clarida等人，2000年；Cecchetti等人，2004年；伯南克，2004年）（Sims，2007年和2008年）。引入“新凯恩斯主义菲利普斯曲线”一词是为了将这种新方法与最初的凯恩斯主义框架联系起来（戈登，2009）。相对于简约的菲利普斯曲线，NKPC（几个系数变化的自回归项）中定义参数的数量显著增加。

然而，这两种方法都未能成功地定量解释和预测通货膨胀和/或失业（例如，陆克文和惠兰，2005年ab）。Stock和Watson（1999）对数据直言不讳，并使用各种活动参数（单独和非聚集形式）而不是失业率，测试了大量基于菲利普斯曲线的模型的预测能力。这种纯粹的计量经济学方法不包括扩展的经济推测，其目的是寻找技术上合适的预测因素。主成分分析（Stock and Watson，2002）是多预测模型的自然延伸，实际上忽略了任何理论背景。在主要成分法下，通货膨胀的驱动力基本上是隐藏的。英国最初的菲利普斯曲线和费舍尔曲线（可以称为“反菲利普斯曲线”）都为通货膨胀和失业之间存在因果关系提供了坚实的证据。当两个变量由具有不同滞后的第三种力量驱动时，因果关系方向之间的冲突可以得到解决。根据哪个滞后更大，通货膨胀可能滞后或导致失业。共同运动只是一个退化的例子。我们的研究框架与Stock and Watson（2006、2007、2008）在许多预测因子方面介绍和开发的框架相似。他们评估了各种规格的菲利普斯曲线中通货膨胀预测的性能。他们的研究是由Atkeson和Ohanian（2001）证明的单变量模型（天真预测）的预测结果所推动的。