کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7408360 1481440 2015 16 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Macroeconomic forecasting during the Great Recession: The return of non-linearity?
ترجمه فارسی عنوان
پیش بینی اقتصاد کلان در زمان رکود بزرگ: بازگشت غیرخطی؟
کلمات کلیدی
مدل های غیر خطی - پیش بینی مقایسه - رکود اقتصادی جهانی
فهرست مطالب مقاله
چکیده
کلید واژه ها
1. مقدمه 
2. مدل های پیش بینی 
3. آزمایش پیش بینی 
3.1 پایگاه داده
3.2 طرح پیش بینی 
3.3 ارزیابی پیش بینی 
3.4 فیلتر شیفتگی 
4. نتایج
4.1 نتایج تجمعی
شکل 1. نمودارهای جعبه ای RMSFE ها بر حسب افق های پیش بینی (h=1 و h=4) و بازه های ارزیابی
جدول 1. نتایج کل: توزیع RMSD های نسبی برای مدل های غیرخطی 
جدول 2. نتایج کل: تست های ارزیابی پیش بینی- نرخ رد عملکردهای پیش بینی معادل مدل های خطی و غیرخطی
شکل 2. نمودارهای جعبه ای RMSFE ها بر حسب متغیرها و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید.
شکل 3. نمودارهای جعبه ای RMSFE ها بر حسب متغیرها و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید.
شکل 4. نمودارهای جعبه ای RMSFE ها بر حسب متغیرها و بازه های ارزیابی به ازای h=4. به شکل 1 نگاه کنید.
جدول 3. نتایج بر حسب متغیرها: پیشرفت پیشگویانه (% RMSFE های کمتر از یک) و نرخ های رد برای تست DMW
4.2 نتایج حاصل از مدل های غیرخطی
شکل 5. نمودارهای جعبه ای RMSFE سری های نرخ سود کوتاه مدت (IRS) توسط مدل های غیرخطی و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید. 
شکل 6. نمودارهای جعبه ای RMSFE سری های تورم (CPI) توسط مدل های غیرخطی و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید. 
شکل 7. نمودارهای جعبه ای RMSFE سری های GDP توسط مدل های غیرخطی و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید. 
جدول A.1. منابع اصلی
جدول A.2. پایگاه داده: کشورها، سری های تقریباً موجود و سری های از دست رفته 
4.3 نتایج بر حسب متغیرها 
جدول A.3 نتایج مدل های غیرخطی: توزیع RMSFE های نسبی
4.4 تمرکز بر روی متغیرهای اصلی اقتصادکلان
4.4.1 نرخ های سود کوتاه مدت 
جدول 4.A نتایج مدل های غیرخطی: تست های ارزیابی پیش بینی- تست های رد با 10% اندازه نرمال. 
4.4.2 تورم CPI
4.4.3 رشد GDP
5. توضیحات نتیجه گیری
جدول A.5 نتایج بر حسب متغیرها: توزیع RMSFE های نسبی و تست های ارزیابی پیش بینی 
ترجمه چکیده
مباحث مربوط به قابلیت پیش بینی مدل های غیرخطی از پیشینه طولانی برخوردار است و واقعه رکود بزرگ فرصت جالب توجهی را برای ارزیابی مجدد عملکردهای پیش بینی کلاس های متفاوت مدل های غیرخطی فراهم آورده است. تحلیل جامعی بر روی پایگاه داده وسیعی از شاخص های اصلی اقتصاد کلان در کل کشور انجام شده است. نتایج نشان می دهند که مدل های غیرخطی حتی در دوران رکود بزرگ به طور متوسط نمی توانند عملکرد بهتری نسبت به مشخصه های خطی استاندارد ارائه دهند. به هر حال، مدل های غیرخطی موجب افزایش دقت پیشگویانه تقریباً در 45%- 40% موارد می شوند، و الگوهای ویژه جالبی را در مدل ها و متغیرها پدید می آورند، هرچند به طور کلی بازده شان محدود است. معمولاً، یافته های ما با فرضیه هایی سازگار هستند که واقعه رکود بزرگ را به جای افزایش درجه غیرخطی در فرآیندهای احتمالی، مبنای سری های زمانی مهم اقتصاد کلان، به صورت سلسله مراتبی از شوک های بزرگ غیرعادی توصیف می کنند.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
پیش نمایش مقاله
پیش بینی اقتصاد کلان در زمان رکود بزرگ: بازگشت غیرخطی؟
چکیده انگلیسی
The debate on the forecasting ability of non-linear models has a long history, and the Great Recession episode provides an interesting opportunity for a re-assessment of the forecasting performances of several classes of non-linear models. An extensive analysis is performed over a broad cross-country database of the main macroeconomic indicators. The results suggest that, on average, non-linear models cannot outperform standard linear specifications, even during the Great Recession episode. However, non-linear models do lead to an improvement in predictive accuracy in almost 40%–45% of cases, and interesting specific patterns arise across models and variables, though in general the gains are limited. Overall, our findings are consistent with the hypothesis that describes this recent recession episode as a sequence of unusually large shocks, rather than as an increase in the degree of non-linearity in the stochastic processes underlying the main macroeconomic time series.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 31, Issue 3, July–September 2015, Pages 664–679
نویسندگان
, , ,