DSGE预测的信息内容

相似文件 换一批

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：
《Information Content of DSGE Forecasts》
---
作者：
Ray Fair
---
最新提交年份：
2018
---
英文摘要：
  This paper examines the question whether information is contained in forecasts from DSGE models beyond that contained in lagged values, which are extensively used in the models. Four sets of forecasts are examined. The results are encouraging for DSGE forecasts of real GDP. The results suggest that there is information in the DSGE forecasts not contained in forecasts based only on lagged values and that there is no information in the lagged-value forecasts not contained in the DSGE forecasts. The opposite is true for forecasts of the GDP deflator.   Keywords: DSGE forecasts, Lagged values   JEL Classification Codes: E10, E17, C53
---
中文摘要：
本文探讨的问题是，DSGE模型的预测中所包含的信息是否超出了模型中广泛使用的滞后值中所包含的信息。研究了四组预测。这一结果对于DSGE对实际GDP的预测是令人鼓舞的。结果表明，仅基于滞后值的预测中未包含DSGE预测中的信息，而DSGE预测中未包含滞后值预测中的信息。对GDP平减指数的预测则相反。关键词：DSGE预测、滞后值JEL分类代码：E10、E17、C53
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
PDF下载：
--> Information_Content_of_DSGE_Forecasts.pdf (99.09 KB)

2022-6-10 09:35:02 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：DSGE Contribution Quantitative information Internation

DSGE ForecastsRay C.Fair的信息内容*2018年8月摘要本文探讨了DSGE模型中的信息是否包含在滞后值之外的信息，滞后值在模型中广泛使用。研究了四组预测。DSGE对实际GDP的预测结果令人鼓舞。结果表明，DSGE预测中有信息未包含在仅基于滞后值的预测中，而滞后值预测中没有信息未包含在D SGE预测中。对GDP波动的预测则相反。1引言本文探讨了DSGE模型预测中所包含的信息是否超出了滞后值中所包含的信息这一问题。通过习惯形成、调整成本、可变容量利用率、定价行为和利率规则等假设建立滞后可变Senter DSGE模型。理论的*考尔斯基金会，耶鲁大学经济系，纽黑文，CT 065208281。电话：203-980-0646；电子邮件：ray。fair@yale.edu; 网站：fairmodel。经济。耶鲁大学。埃杜。我感谢罗谢尔·埃奇、雷菲特·古尔克·艾纳克、马辛·科拉萨、迈克尔·鲁巴斯泽克、帕维尔·克尔兹普茨基、梅克·沃尔特斯、迈克尔·海尔·蔡、马可·德尔内格罗、马克·吉安诺尼、阿比·古普塔、佩尔利和埃里卡·莫斯科夫斯基为我提供了他们的预测数据。我还感谢DavidChilders的宝贵意见。对这些变量施加了限制，问题是这些限制是否添加了预测信息？考虑对实际GDP的s期预测。让Yat表示模型a中t期对数GDP的s期超前预测，并让Ybtdenote表示模型b中的相同预测。假设在t期结束时进行预测- s、 本文使用的比较方法在Fair和Shiller（FS）（1990）中进行了讨论。

对于第1至T期的s期预测，将运行以下回归：Yt- 年初至今-s=α+β（Yat- 年初至今-s） +γ（Ybt- 年初至今-s） +ut，t=1。。。，T、 （1）如果两个模型均不包含对Yt s期预测有用的信息，则β和γ的估计值均应为零。在这种情况下，常数项α的估计值将是Y中的平均s周期变化。如果两个模型都包含独立的s期预报信息，则t h enβ和γsho u ldb都不为零。如果两个模型都包含信息，但模型b中的信息完全包含在模型a中，而模型a也包含进一步的相关信息，则β而非α应为非零。（如果两个模型包含相同的信息，那么预测是完全相关的，并且β和α没有单独确定。）这可能是两个系数估计都是显著的，但一个是负的。这意味着带有负系数估计的模型预测中包含的信息对其他模型预测中的信息的总体预测条件产生负面影响。一个模型的预测可能比另一个模型的预测具有更高的均方根误差（RMSE），但仍然包含有用的独立信息。估计方程（1）允许对此进行测试，而简单的RMSE比较无法做到这一点。Fair和Shiller（1990）对该方法进行了进一步讨论。误差项可能是异方差的，并且是s-1移动平均过程。在估计系数估计值的标准误差时，可以纠正这一点。Hansen（1982）、Cumby和Obstfeld（198 3）以及Wh Ite和Domowitz（1984）中讨论的程序可用于估计系数估计的渐近协方差矩阵。

当s等于1时，协方差矩阵就是White（1980）对异方差性的校正。在下一节中，将提出一组比较规则。第3节讨论了预测，第4.2节建议的比较规则1给出了比较结果。使用通用预测期。一些时期显然比其他时期更难预测，因此共同时期至关重要。2、除第3点讨论的情况外，不应使用未来信息进行预测。滚动估计可用于第一期预测，因此系数估计中没有未来信息。如果存在外生变量，则不应使用未来信息来预测这些变量。可能性是机械规则或自回归方程。原则上，未来的信息不应用于校准参数，尽管这可能很难做到。由于可能使用最新规格，因此模型规格中也可能使用未来信息。这意味着这些预测不是真正的事前预测。比较工作取决于模型的理论规格，也可能取决于一些校准参数。使用最新修订的数据进行比较。最新修订的数据也可用于估计，这是未来信息的来源。最新修订的数据是对经济的最佳估计，这对他们的美国经济是有争议的。此外，即使在估算中使用了实时数据，也无法明确未来的比较应该使用哪些数据。例如，使用未来数据的第一个或第二个imate似乎比使用最新数据更糟糕，因为o n e是在经济的最佳估计之后。幸运的是，正如下面所讨论的，使用实时数据和最新修订数据通常只会在结果上产生很小的差异。4.

预测应由模型的所有者进行。模特儿很复杂，老板最了解她们。允许局外人生成预测会增加错误和误传模型的可能性。当然，其中之一是要相信所有者没有作弊，但其他人可以使用程序来复制结果。3 Fo recastsDSGE预测使用了DSGE模型的四组预测：Wolters（2013）、Kolasa、Rubaszek和Skrzypczy\'nski（KRS）（2012）、Edge和Gürkaynak（EG）（2010）以及Cai、Del Negro、Giannoni、Abhi、Li和Moszkowski（NYFRB）（2018）。预测期各不相同，但除了模型的规格、可能的一些校准参数以及可能使用的修订数据外，所有预测均未使用任何未来信息生成。此外，对于纽约联邦储备银行的预测，未来联邦基金利率和十年期通货膨胀率的蓝筹股预期被视为零下限期间的“数据”。根据四项研究，对实际GDP和GDP变动进行了预测。此外，美国对纽约联邦储备银行的消费和投资预测也有所增加。最早的预测期为Wolters，1984:1–2002:4。Wolters比较了四种模型，我采用了Smet-Wouters模型进行当前分析。Wolters使用实时数据和修正数据进行估算，根据第2节中的建议规则，我采用了使用修正数据的版本。Wolters报告（第87页）指出，模型的相对性能对所使用的数据并不敏感。我还使用跳转日期对预测进行了调整-1、数据集中有5个缺失预测，因此观测总数为63。这一预测期不包括2000年初的房地产繁荣，也不包括随后的衰退。

预测最多可用于未来9个季度。KRS的预测期为1994:1–2008:4。这包括房地产繁荣，但仅限于经济衰退的前几个季度。共有56项观察结果。预测最多可用于未来5个季度。K RS使用实时数据对模型进行估计，但用于预测评估的修订数据是其样本中的最新年份数据。他们报告（第1313页）使用其他“实际值”的结果大致相同。该模型本质上是Smets-Wouters模型。例如，预测周期为199 2:1–2010:1，因此它确实包括了经济衰退。例如，分析两个预测周期，这是其中较长的一个。他们使用实时数据进行估算。对于这里使用的较长时期，复古日期是蓝筹股日期。可以预测未来8个季度，但数据表明，未来每个季度的观测值会减少一个。1季度预测有73个观测值，2季度预测有72个观测值，8季度预测有66个观测值。纽约联邦储备银行（NYFRB）有97个16个季度的提前预测，从es 1992:1到2006:1开始预测。估计使用实时数据，模型每年估计一次。这些预测来自SWFF模型，该模型是Smetsand-Wouters（2007）模型加上金融摩擦。我用于比较的数据是截至2018年1月26日的修订数据，其中包含2017:4的观察结果。这意味着对于纽约联邦储备银行的预测来说，所有97个8季度的提前预测和提前预测都存在误差。对于9个季度前预测，有96个错误可用，依次类推到16个季度前预测，其中有89个错误可用。模型构建者可以按季度百分比变化提供预测。

我已经将这些预测转换为水平预测，使用每个变量的实际值（来自修改后的数据）对第一季度预测前一个季度的变量水平进行预测。Computinglevel Forecasures允许对s大于1的s期前预测进行比较。综上所述，我从模型构建者那里获得了准确的百分比变化预测，其中一组基于使用修订数据（Wolters）的估计，另三组基于实时数据，使用最新修订数据将其转换为初始起点水平，并使用最新修订数据进行预测期比较。仅使用滞后变量的预测用于生成GDP偏差预测的模型将用PAR4表示。该模型是一个单一的线性方程，其中左侧变量是GDP衰减的对数，右侧变量是GDP衰减对数的常数和前四个滞后值，这是一个四阶自回归方程。生成了172组预测。所有估算的季度初均为1954:1。数据以201 7:4结束。对于第一组，估算季度末为19 7 4:4，预测期为1975:1至1978:4。第二盘的比分分别为1975:1和1975:2至1979:1，依此类推。这一数据给出了172个1季度预测和15716个季度预测。这些数据集与相关DSGE数据集相匹配，以进行比较；并非所有集合都已使用。实际GDP模型使用实际GDP组成部分的滞后值和GDP恒等式。它将被表示为YSAR4。实际GDP的十个组成部分是werechosen，其中实际GDP是十个组成部分的总和。

每个成分都有一个AR4方程，其中一个成分的对数是常数项和该成分对数的前四个滞后值的线性函数。YSAR4thus包含11个方程、10个成分方程和GDP恒等式。这十个组成部分是（均使用真实的NI PA数据）服务消费、非耐用品消费、耐用品消费、住宅投资、固定非居民投资、库存投资、出口、进口（带负号）、ZF支出（联邦州和地方的总和），以及因在关联数据中使用cha而产生的统计差异项。对于库存投资和统计差异，未对组件的AR4方程进行记录。YSAR4的估算程序与PAR4的估算程序相同。模型中没有外生变量，因此除了使用最新修订的数据外，预测中没有使用未来信息。如第1节所述，对于纽约财务报告准则委员会的预测，还对投资和购买进行了比较。这需要更多的解释。YSAR4中有三个消费组件：服务、非耐用和耐用。总实际消费量是这三者的总和。消费模型（表示为CSAR4）被视为成分的三个A R4方程加上三个方程之和。然后将总消费预测与上述纽约联邦储备银行消费预测进行比较。请记住，eNYFRB级消费预测是使用预测开始前一季度的实际总消费量加上DSGE模型中的实际消费增长率生成的。在大多数DSGE模型中，包括NYFRB，实际消费量被误判。它被视为名义消费量除以GDP偏差。

因此，增长率是误测变量的增长率，而用于生成水平预测的实际消费水平的实际初始值是正确的值。此外，将生成的DSGE l水平预测与s水平的正确实际值（而不是误测水平）进行比较。换言之，假设实际总消费的NYFRB增长率是正确值的增长率，即使它们是错误测量的值。关于投资，YSAR4中有两个固定投资部分：非住宅和住宅。实际固定投资总额是两者之和。消耗模型d eno ted ISAR4被视为组件的两个AR4等式，这两个等式相加。然后，将总固定投资预测与上文所述的纽约市金融监管局投资预测进行比较。与上述消费相关的投资问题类似。对于纽约联邦储备银行，投资被视为名义投资除以GDPde指数，但这在这里被忽略了。最后，对于纽约联邦储备银行来说，可以检查GDP与消费加投资之间的差异。这种差异是库存投资加上出口进口加上ZF支出加上统计差异项。下面还显示了该差异的结果，表示为其他。另一个预测就是实际GDP的预测减去消费和投资的预测。在下一节方程式（1）的估计中，第1节讨论的程序用于估计除Wolters外的系数估计值的标准误差。

对于Wolters，有5次遗漏观测，未对OLS的标准误差估计值进行调整。4四组预测的方程式（1）的结果估计值见表1中的实际GDP。前面分析的季度是沃尔特斯的2、4和9个季度，福克斯的2和5个季度，EG的2、4和8个季度，纽约联邦储备银行的2、4、8和12个季度。表1中的结果很清楚：DSGE预测主导了YSAR4预测。β的估计值总是很重要，而γ的估计值中只有两个是。因此，结果表明，DSGE对实际GDP的预测包含独立的表1对实际GDPYt方程（1）的估计- 年初至今-sis左手侧变量。cnst DSGE YSAR4s^α^β^γSE R#obs。沃尔特斯：1 984:1–2002.42 0.009 0.332 0.338 0.0079 0.127 63（2.10）（2.34）（0.90）4 0.037 0.328-0。484 0.0134 0.083 63(3.82) (2.21) (-1.17)9 0.144 0.293 -1. 605 0.0213 0.212 63（6.03）（2.02）（-3.64）KRS:1994:1–2 008:42-0.00 1 0。657 0.522 0.0066 0.307 56(-0.36) (2.97) (1.37)5 0.004 1.010 -0. 213 0.0137 0.414 56（0.29）（3.31）（-0.40）例如：199 2：1–2010:12 0.709 0.518 1.102 0.0097 0.308 71（2.97）（3.01）（2.01）4 1.262 0.922 0.226 0.0172 0.275 70（3.63）（3.57）（0.53）8 2.035 1.502-0。436 0.0231 0.500 66（3.51）（3.36）（-0.68）纽约联邦储备银行：1992:1–201 6:12 1.552 1.122 0.379 0.0066 0.590 97（6.76）（6.75）（1.47）4 1.504 1.082-0。038 0.0134 0.426 97(4.52) (4.52) (0.08)8 1.280 0.904 -0. 298 0.0252 0.250 97（3.02）（2.95）（-0.53）12 1.313 0.935 0.026 0.0351 0.203 93（1.98）（1.93）（0.05）Y是实际GDP的对数。OLS估计。t-统计数据在括号中。对估计的标准误差进行异方差和移动平均过程校正（Wolters除外）。滞后值中包含的信息。