Влияние уровня дизаггрегации на точность прогнозирования инфляции

Аннотация Данная диссертация исследует как дезагрегация данных влияет на точность прогнозирования инфляции в Армении. С помощью различных методов и моделей мы пытаемся понять, как дезагрегация инфляции может улучшить краткосрочные прогнозы. Мы хотим понять, лучше ли прогнозировать инфляцию напрямую или вместо этого комбинировать прогнозы из дезагрегированных моделей? Может ли информация, содержащейся в компонентах, помочь прогнозировать инфляцию? Чтобы понять вышеупомянутую идею, мы оцениваем разные модели с агрегированной и дезагрегированной инфляцией. Сначала мы сравниваем результаты прогнозирования из агрегированных и дезагрегированных моделей. Затем мы включаем дезагрегированные переменные для прогнозирования инфляции. Мы также используем информацию, содержащиеся в компонентах ИПЦ (факторы, оцененные из компонентов) для прогнозирования совокупной инфляции. Помимо этого мы изучаем, как уровень дезагрегации влияет на точность прогнозирования инфляции. Для ИПЦ и его компонентов мы применяем ARMA и неограниченные модели VAR. В моделях, в которые включены макроэкономические переменные, мы применяем BVAR и факторно-расширенный VAR (FAVAR также применяется, когда мы включаем дезагрегированную информацию в агрегированную модель). Цель нашей работы - понять, как мы можем использовать компоненты или информацию, содержащейся в компонентах, для эффективной оценки и прогнозирования совокупной инфляции. Лучше ли прогнозировать инфляцию напрямую или вместо этого использовать дезагрегированные переменные или дезагрегированную информацию для прогнозирования инфляции?