stringtranslate.com

Прогнозирование текущей погоды (экономика)

Nowcasting в экономике — это прогнозирование недавнего прошлого, настоящего и ближайшего будущего состояния экономического показателя. Этот термин является гибридом слов «now» и «forecasting» и берет свое начало в метеорологии . Типичные меры, используемые для оценки состояния экономики, такие как валовой внутренний продукт (ВВП) или инфляция, определяются только с задержкой и подлежат пересмотру. [1] В этих случаях nowcasting таких показателей может предоставить оценку переменных до того, как станут известны истинные данные. Модели nowcasting наиболее широко применяются в центральных банках , которые используют оценки для мониторинга состояния экономики в режиме реального времени в качестве заменителя официальных мер. [2] [3]

Принцип

В то время как синоптики знают погодные условия сегодня и должны только предсказывать будущую погоду, экономисты должны прогнозировать настоящее и даже недавнее прошлое. Многие официальные меры не являются своевременными из-за сложности сбора информации. Исторически методы прогнозирования текущей погоды основывались на упрощенных эвристических подходах, но теперь полагаются на сложные эконометрические методы. Использование этих статистических моделей для составления прогнозов устраняет необходимость в неформальном суждении. [4]

Модели прогнозирования текущей погодной ситуации могут использовать информацию из большого количества рядов данных с разной частотой и с разными задержками публикации. [5] Сигналы о направлении изменения ВВП могут быть извлечены из этого большого и неоднородного набора источников информации (таких как цифры безработицы, промышленные заказы, торговые балансы) до публикации официальной оценки ВВП . В прогнозировании текущей погодной ситуации эти данные используются для вычисления последовательностей оценок ВВП текущего квартала по отношению к потоку выпуска данных в реальном времени.

Разработка

Избранные научные исследования показывают, как развивалась эта техника. [6] [7] [8] [9] [10] [11] [12] [13]

Банбура, Джанноне и Райхлин (2011) [14] и Марта Банбура, Доменико Джанноне, Микеле Модуньо и Лукреция Райхлин (2013) [15] предоставляют обзоры основных методов и более поздних усовершенствований.

Методы прогнозирования текущей погоды, основанные на контенте социальных сетей (например, Twitter), были разработаны для оценки скрытых настроений, таких как «настроение» населения [16] или наличие эпидемии гриппа. [17]

Простой в реализации подход к прогнозированию текущей погоды на основе регрессии включает в себя выборку смешанных данных или регрессии MIDAS. [18] Регрессии MIDAS также можно комбинировать с подходами машинного обучения . [19]

Эконометрические модели могут повысить точность. [20] Такие модели могут быть построены с использованием байесовских векторных авторегрессий , динамических факторов , мостовых уравнений с использованием методов временных рядов или некоторой комбинации с другими методами. [21]

Выполнение

Экономическое прогнозирование текущей ситуации в основном разрабатывается и используется центральными банками для поддержки денежно-кредитной политики .

Многие резервные банки Федеральной резервной системы США публикуют макроэкономические прогнозы. Федеральный резервный банк Атланты публикует GDPNow для отслеживания ВВП . [3] [21] Аналогичным образом Федеральный резервный банк Нью-Йорка публикует динамический факторный прогноз. [2] Ни официальные прогнозы Федерального резервного регионального банка, системы или FOMC не являются таковыми ; они также не включают в себя человеческое суждение.

Nowcasting также может использоваться для оценки инфляции [22] или делового цикла. Примером nowcasting делового цикла является индекс ADS . [23]

Ссылки

  1. ^ Хуэн, К. Джеймс (2020-08-25), Альтернативные экономические индикаторы , Институт У. Э. Апджона, стр. 1–4, doi : 10.17848/9780880996778.ch1 , ISBN 978-0-88099-677-8
  2. ^ ab "Отчет о текущем прогнозе погоды - ФЕДЕРАЛЬНЫЙ РЕЗЕРВНЫЙ БАНК НЬЮ-ЙОРКА". www.newyorkfed.org . Получено 24.09.2020 .
  3. ^ ab "GDPNow". www.frbatlanta.org . Получено 2020-09-24 .
  4. ^ Джанноне, Доменико; Райхлин, Лукреция; Смолл, Дэвид (май 2008 г.). «Nowcasting: The real-time informational content of macroeconomic data». Journal of Monetary Economics . 55 (4): 665–676. CiteSeerX 10.1.1.597.705 . doi :10.1016/j.jmoneco.2008.05.010 . Получено 12 июня 2015 г. . 
  5. ^ Банбура, Марта; Модуньо, Мишель (2012-11-12). «Оценка максимального правдоподобия факторных моделей на наборах данных с произвольным шаблоном пропущенных данных». Журнал прикладной эконометрики . 29 (1): 133–160. doi : 10.1002/jae.2306. hdl : 10419/153623 . ISSN  0883-7252. S2CID  14231301.
  6. ^ Камачо, Максимо; Перес-Кирос, Габриэль (2010). «Введение в евроукус: краткосрочный индикатор роста еврозоны». Журнал прикладной эконометрики . 25 (4): 663–694. doi :10.1002/jae.1174 . Получено 12 июня 2015 г.
  7. ^ Матесон, Трой Д. (январь 2010 г.). «Анализ информационного содержания новозеландских релизов данных: важность опросов общественного мнения в сфере бизнеса». Экономическое моделирование . 27 (1): 304–314. doi :10.1016/j.econmod.2009.09.010 . Получено 12 июня 2015 г.
  8. ^ Эванс, Мартин ДД (сентябрь 2005 г.). «Где мы сейчас? Оценки макроэкономики в реальном времени». Международный журнал центральных банков . 1 (2) . Получено 12 июня 2015 г.
  9. ^ Рюнстлер, Г.; Бархуми, К.; Бенк, С.; Кристадоро, Р.; Ден Рейер, А.; Якайтиене, А.; Йелонек, П.; Руа, А.; Рут, К.; Ван Ниувенхейзе, К. (2009). «Краткосрочное прогнозирование ВВП с использованием больших наборов данных: упражнение по оценке прогноза в псевдореальном времени». Журнал прогнозирования . 28 (7): 595–611. doi :10.1002/for.1105.
  10. ^ Анджелини, Елена; Банбура, Марта; Рюнстлер, Герхард (2010). «Оценка и прогнозирование ежемесячных национальных счетов еврозоны на основе динамической факторной модели». Журнал ОЭСР: Журнал измерения и анализа делового цикла . 1 : 7. Получено 12 июня 2015 г.
  11. ^ Доменико, Джанноне; Райхлин, Лукреция; Симонелли, Саверио (23 ноября 2009 г.). «Великобритания все еще в рецессии? Мы так не думаем». Vox . Получено 12 июня 2015 г.
  12. ^ Каджал, Лахири; Монокруссос, Джордж (2013). «Текущее прогнозирование ВВП США: роль бизнес-обследований ISM». Международный журнал прогнозирования . 29 (4): 644–658. CiteSeerX 10.1.1.228.3175 . doi :10.1016/j.ijforecast.2012.02.010. S2CID  12028550. 
  13. ^ Антолин-Диас, Хуан; Дрексель, Томас; Петрелла, Иван (2014). «Следуя тренду: отслеживание ВВП в условиях неопределенности долгосрочного роста». CEPR Discussion Papers 10272. Получено 12 июня 2015 г.
  14. ^ Банбура, Марта; Джанноне, Доменико; Райхлин, Лукреция (2010). «Nowcasting». В Клементс, Майкл П.; Хендри, Дэвид Ф. (ред.). Oxford Handbook on Economic Forecasting . Oxford University Press.
  15. ^ Банбура, Марта; Джанноне, Доменико; Модуньо, Мишель; Райхлин, Лукреция (2013). "Глава 4. Nowcasting и поток данных в реальном времени". В Elliot, G.; Timmerman, A. (ред.). Справочник по экономическому прогнозированию . Справочник по экономическому прогнозированию. Том 2. Elsevier . С. 195–237. doi :10.1016/B978-0-444-53683-9.00004-9. hdl :10419/153997. ISBN 9780444536839. S2CID  14278918.
  16. ^ Lansdall-Welfare, Thomas; Lampos, Vasileios; Cristianini, Nello (август 2012 г.). «Nowcasting the mood of the nation». Значимость . 9 (4): 26–28. doi : 10.1111/j.1740-9713.2012.00588.x . Архивировано из оригинала 20 августа 2012 г.
  17. ^ Лампос, Василиос; Кристианини, Нелло (2012). «Прогнозирование текущих событий из социальной сети с помощью статистического обучения» (PDF) . Труды ACM по интеллектуальным системам и технологиям . 3 (4): 1–22. doi :10.1145/2337542.2337557. S2CID  8297993.
  18. ^ Андреу, Елена; Гиселс, Эрик; Куртеллос, Андрос (2011-07-08). «Прогнозирование с использованием данных смешанной частоты». Oxford Handbooks Online : 225–246. doi :10.1093/oxfordhb/9780195398649.013.0009. ISBN 978-0195398649.
  19. ^ Бабий, Андрей; Гиселс, Эрик; Стриаукас, Йонас (2020). «Регрессии временных рядов машинного обучения с применением к прогнозированию текущей погоды».
  20. ^ Тессье, Томас Х.; Армстронг, Дж. Скотт (2015). «Разложение временных рядов по уровню и изменению». Журнал бизнес-исследований . 68 (8): 1755–1758. doi :10.1016/j.jbusres.2015.03.035.
  21. ^ ab Хиггинс, Патрик (июль 2014 г.). "GDPNow: модель для "текущего" прогнозирования ВВП" (PDF) . Серия рабочих документов Федерального резервного банка Атланты .
  22. ^ Ahn, Hie Joo; Fulton, Chad (2020). «Индекс общих инфляционных ожиданий». FEDS Notes . 2020 (2551). doi : 10.17016/2380-7172.2551. ISSN  2380-7172. S2CID  225316591 – через Совет управляющих Федеральной резервной системы.
  23. ^ Аруоба, С. Бораган; Диболд, Фрэнсис; Скотти, Кьяра (2008). «Измерение условий ведения бизнеса в реальном времени». Серия рабочих документов NBER . Кембридж, Массачусетс. doi : 10.3386/w14349 .

Внешние ссылки