کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7408645 1481447 2013 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Forecasting aggregates and disaggregates with common features
ترجمه فارسی عنوان
ترکیبات پیش بینی و تجزیه و تحلیل با ویژگی های مشترک
کلمات کلیدی
روند مشترک، همبستگی سریال مشترک، تورم، منطقه یورو، انگلستان، ایالات متحده، هم انباشتگی، مدل های اقتصادسنجی یک معادله، نقشه های تجزیه،
ترجمه چکیده
این مقاله بر ارائه پیش بینی های سازگار برای یک شاخص کلی اقتصادی مانند شاخص قیمت مصرف کننده و اجزای آن تمرکز دارد. روش توسعه یافته یک رویکرد تجزیه شده بر اساس مدل های یک معادله برای اجزاء است که با توجه به ویژگی های پایدار که برخی از اجزاء به اشتراک می گذارند، مانند یک روند مشترک و همبستگی سریال معمول است. روش ما با طبقه بندی تعداد زیادی از اجزای بر اساس محدودیت از ویژگی های مشترک آغاز می شود. نتیجه این طبقه بندی یک نقشه تقسیم بندی است که همچنین می تواند در استفاده از عوامل پویا، تعریف سازه های متوسط ​​و یا فرمول بندی مدل ها با اجزای بدون نظم مفید باشد. ما از روش پیش بینی تورم در منطقه یورو، انگلستان و آمریکا استفاده می کنیم. پیش بینی های ما به طور قابل توجهی دقیق تر از پیش بینی مستقیم مجموع یا سایر پیش بینی های غیرمستقیم است.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
This paper focuses on the provision of consistent forecasts for an aggregate economic indicator, such as a consumer price index and its components. The procedure developed is a disaggregated approach based on single-equation models for the components, which take into account the stable features that some components share, such as a common trend and common serial correlation. Our procedure starts by classifying a large number of components based on restrictions from common features. The result of this classification is a disaggregation map, which may also be useful in applying dynamic factors, defining intermediate aggregates or formulating models with unobserved components. We use the procedure to forecast inflation in the Euro area, the UK and the US. Our forecasts are significantly more accurate than either a direct forecast of the aggregate or various other indirect forecasts.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 29, Issue 4, October–December 2013, Pages 718-732
نویسندگان
, ,