When forecasting economic variables

When forecasting economic variables, one is often faced with the choice of either fore- casting an aggregate directly or forecasting its components and then summing the component forecasts. This is frequently encountered when forecasting inflation, where prices are commonly available for a large number of components series in addition to the aggregate price index. The aggregation issue is a major practical consideration when it comes to forecasting key economic indicators but frequently forecasters are in the dark in terms of which approach is likely to yield the best results. There is a con- siderable set-up cost when estimating models on disaggregate data if there are a large number of component series so researchers are understandably reluctant to pursue this strategy unless it is likely to yield benefits.
Arguably, the literature on forecast aggregation is at an impasse. The early con- tributions focussed on deriving theoretical results but this approach was eventually abandoned as the underlying assumptions were too restrictive. Empirical papers tend to focus on a specific application. Competing sets of forecasts are constructed for a given country or set of countries to see whether forecast aggregation helps. With the exception of Hubrich (2003), few papers offer potential explanations of why the forecast aggregation strategy was a success or failure so there is little guidance to forecasters faced with the option of combining disaggregate forecasts.
We conduct empirical exercises but relate our findings back to the properties of the dataset and the models used. The exercise is conducted on both United States (US) and Euro Area (EA) inflation. Although both datasets relate to inflation, these datasets have distinct characteristics and we tailor the model to the properties of the data. In contrast to most previous studies, we consider multiple levels of aggregation for each dataset. We find that, once the appropriate model is found for a dataset, forecast aggregation always leads to improvements in forecast accuracy - the critical issue is to find the appropriate model. Frequently, the forecast based on the aggregate results in the worst forecast performance. This story is consistent with the theoretical literature. By providing a detailed explanation for main factors driving results for both datasets, we provide a greater understanding of the key issues relative to other empirical papers. In the next section, we provide a summary of the main contributions in both the theoretical and empirical side of the literature. Section 3 describes the data used for the empirical exercises. Section 4 outlines the notation and the models used in the paper with the results reported in section 5. Section 6 concludes the paper.

ผลลัพธ์ (ไทย) 1:

เมื่อการพยากรณ์ตัวแปรทางเศรษฐกิจ หนึ่งคือมักจะประสบกับการเลือกอย่างใดอย่างหนึ่งข้างหน้าหล่อรวมโดยตรง หรือการคาดการณ์ส่วนประกอบของ และรวมการคาดการณ์ส่วนประกอบแล้ว นี้มักพบเมื่อการคาดการณ์อัตราเงินเฟ้อ ราคาที่ไหนก็มักมีอยู่ในตัวของคอมโพเนนต์ชุดนอกเหนือจากดัชนีราคารวม ปัญหาการรวมคือ พิจารณาการปฏิบัติที่สำคัญเมื่อมันมาถึงการคาดการณ์ตัวชี้วัดทางเศรษฐกิจที่สำคัญ แต่มักพยากรณ์อยู่ในมืดในแง่ซึ่งวิธีจะให้ผลลัพธ์ที่ดีที่สุด มีต้นทุนค่า con siderable เมื่อประเมินรุ่นบน disaggregate ข้อมูลหากมีจำนวนมากของชุดส่วนประกอบเพื่อให้นักวิจัยเข้าใจอยากติดตามกลยุทธ์นี้เว้นแต่จะเป็นแนวโน้มที่จะให้ผลประโยชน์เนื้อหา วรรณคดีบนการรวมการคาดการณ์จะอับจน คอน-tributions ต้นเน้นทฤษฎีผลอันเกิด แต่วิธีการนี้ในที่สุดก็ยกเลิกเป็นสมมติฐานที่ถูกจำกัดเกินไป เอกสารเชิงประจักษ์มักจะ เน้นโปรแกรมประยุกต์เฉพาะ ชุดแข่งขันของการคาดการณ์ถูกสร้างขึ้นสำหรับประเทศที่กำหนดหรือชุดของประเทศจะเห็นว่า การรวมการคาดการณ์ช่วยให้ ยกเว้น Hubrich (2003), เอกสารไม่กี่มีคำอธิบายศักยภาพของทำไมกลยุทธ์การรวมการคาดการณ์เป็นสำเร็จหรือล้มเหลวจึงมีคำแนะนำเล็ก ๆ น้อย ๆ เพื่อพยากรณ์ประสบกับตัวเลือกของการรวม disaggregate การคาดการณ์เราทำแบบฝึกหัดเชิงประจักษ์ แต่เกี่ยวข้องกับการค้นพบของเรากลับไปยังคุณสมบัติของชุดข้อมูลและแบบจำลองที่ใช้ การออกกำลังกายจะดำเนินการในสหรัฐอเมริกา (สหรัฐอเมริกา) และพื้นที่ยูโร (EA) อัตราเงินเฟ้อ แม้ว่าทั้งชุดข้อมูลที่เกี่ยวข้องกับอัตราเงินเฟ้อ ชุดข้อมูลเหล่านี้มีลักษณะแตกต่างกัน และเราออกแบบคุณสมบัติของข้อมูล ตรงกันข้ามกับการศึกษาก่อนหน้านี้มากที่สุด เราพิจารณาหลายระดับของการรวมกลุ่มสำหรับแต่ละชุดข้อมูล เราพบว่า เมื่อพบรูปแบบเหมาะสมสำหรับชุดข้อมูล การรวมการคาดการณ์เสมอนำไปสู่การปรับปรุงในการคาดการณ์แม่นยำ - ปัญหาสำคัญคือการ หารูปแบบเหมาะสม บ่อย การคาดการณ์ขึ้นอยู่กับผลรวมในการทำงานการคาดการณ์ที่เลวร้ายที่สุด เรื่องนี้จะสอดคล้องกับทฤษฎีวรรณกรรม โดยการให้คำอธิบายโดยละเอียดสำหรับปัจจัยหลักที่ผลักดันผลลัพธ์สำหรับชุดข้อมูลทั้งสอง เรามีความเข้าใจมากขึ้นของปัญหาหลักสัมพันธ์กับเอกสารเชิงประจักษ์อื่น ๆ ในส่วนถัดไป เรามีข้อสรุปของทั้งทฤษฎี และเชิงประจักษ์ด้านผลงานหลักของวรรณกรรม ส่วนที่ 3 อธิบายถึงข้อมูลที่ใช้สำหรับการออกกำลังกายเชิงประจักษ์ ส่วนที่ 4 แสดงสัญลักษณ์และรูปแบบที่ใช้กระดาษกับผลการรายงานในส่วนที่ 5 ส่วนที่ 6 สรุปกระดาษ

ผลลัพธ์ (ไทย) 2:

เมื่อการคาดการณ์ทางเศรษฐกิจตัวแปรหนึ่งที่มักจะต้องเผชิญกับทางเลือกของทั้งพื้นหน้าหล่อรวมโดยตรงหรือโดยการคาดการณ์ส่วนประกอบของข้อสรุปแล้วการคาดการณ์ส่วนประกอบ นี้จะพบบ่อยเมื่ออัตราเงินเฟ้อคาดการณ์ที่ราคาเป็นปกติพร้อมใช้งานสำหรับจำนวนมากของชุดส่วนประกอบนอกเหนือไปจากดัชนีราคารวม ปัญหาการรวมคือการพิจารณาการปฏิบัติที่สำคัญเมื่อมันมาถึงการคาดการณ์การชี้วัดทางเศรษฐกิจที่สำคัญ แต่บ่อยครั้งที่นักพยากรณ์อยู่ในที่มืดในแง่ของวิธีการที่มีแนวโน้มที่จะให้ผลลัพธ์ที่ดีที่สุด มีค่าใช้จ่ายในการตั้งค่าอย่างต่อ siderable เมื่อประมาณการรุ่นต่างๆในข้อมูล disaggregate ถ้ามีเป็นจำนวนมากของชุดส่วนประกอบดังนั้นผู้วิจัยจึงเข้าใจลังเลที่จะไล่ตามกลยุทธ์นี้เว้นแต่จะมีแนวโน้มที่จะให้ผลตอบแทนที่เป็น.
เบบี้ส์หนังสือที่เกี่ยวกับการคาดการณ์การรวมตัวเป็น ที่อับจน tributions งต้นเพ่งความสนใจไปสืบมาผลทฤษฎี แต่วิธีการนี้ในที่สุดก็ถูกทิ้งร้างเป็นข้อสมมติฐานที่ถูก จำกัด เกินไป เอกสารเชิงประจักษ์มักจะมุ่งเน้นการประยุกต์ใช้ที่เฉพาะเจาะจง การแข่งขันชุดของการคาดการณ์ถูกสร้างขึ้นสำหรับประเทศที่กำหนดหรือชุดของประเทศเพื่อดูว่าการคาดการณ์การรวมตัวช่วย ด้วยข้อยกเว้นของ Hubrich (2003) ที่เอกสารไม่กี่มีคำอธิบายที่อาจเกิดขึ้นจากเหตุผลที่กลยุทธ์การคาดการณ์การรวมตัวที่ประสบความสำเร็จหรือความล้มเหลวจึงมีคำแนะนำเล็ก ๆ น้อย ๆ ในการพยากรณ์ต้องเผชิญกับทางเลือกในการรวมการคาดการณ์ disaggregate ได้.
เราดำเนินการออกกำลังกายเชิงประจักษ์ แต่เกี่ยวข้องกับผลการวิจัยของเรากลับมา คุณสมบัติของชุดข้อมูลและรูปแบบที่ใช้ การออกกำลังกายจะดำเนินการทั้งในสหรัฐอเมริกา (US) และยูโรพื้นที่ (EA) อัตราเงินเฟ้อ แม้ว่าทั้งสองชุดข้อมูลที่เกี่ยวข้องกับอัตราเงินเฟ้อชุดข้อมูลเหล่านี้มีลักษณะที่แตกต่างและเราปรับแต่งรูปแบบคุณสมบัติของข้อมูล ในทางตรงกันข้ามกับการศึกษาก่อนหน้ามากที่สุดเราจะพิจารณาหลายระดับของการรวมสำหรับแต่ละชุด เราพบว่าเมื่อรูปแบบที่เหมาะสมพบสำหรับชุดข้อมูลการรวมการคาดการณ์มักจะนำไปสู่การปรับปรุงการคาดการณ์ในความถูกต้อง - ปัญหาที่สำคัญคือการหารูปแบบที่เหมาะสม ที่พบบ่อย, การคาดการณ์บนพื้นฐานของผลรวมในการปฏิบัติงานการคาดการณ์ที่เลวร้ายที่สุด เรื่องนี้เป็นเรื่องที่สอดคล้องกับทฤษฎีวรรณกรรม โดยการให้คำอธิบายรายละเอียดสำหรับปัจจัยหลักที่ขับรถผลการค้นหาสำหรับทั้งสองชุดข้อมูลที่เรามีให้เข้าใจมากขึ้นในประเด็นสำคัญที่เกี่ยวข้องกับเอกสารเชิงประจักษ์อื่น ๆ ในส่วนถัดไปเราจะมีบทสรุปของผลงานหลักทั้งในด้านทฤษฎีและเชิงประจักษ์ของวรรณกรรม ส่วนที่ 3 อธิบายข้อมูลที่ใช้สำหรับการออกกำลังกายเชิงประจักษ์ หมวดที่ 4 การแสดงสัญกรณ์และรูปแบบที่ใช้ในกระดาษกับผลลัพธ์ที่ได้รายงานในส่วนมาตรา 6 5. สรุปกระดาษ

ผลลัพธ์ (ไทย) 3:

เมื่อพยากรณ์ตัวแปรทางเศรษฐกิจ ที่มักต้องเผชิญกับทางเลือกของทั้งสองก่อน หล่อ รวม โดยตรง หรือการพยากรณ์ ส่วนประกอบและการรวมองค์ประกอบคาดการณ์ . นี่คือที่พบบ่อยเมื่อการคาดการณ์เงินเฟ้อ ซึ่งราคาปกติจะใช้ได้สำหรับจำนวนขนาดใหญ่ของส่วนประกอบชุดนอกเหนือจากดัชนีราคารวม . กลุ่มปัญหาเป็นหลักปฏิบัติการพิจารณาเมื่อมันมาถึงตัวชี้วัดทางเศรษฐกิจที่สำคัญ แต่บ่อยครั้งนักพยากรณ์อยู่ในที่มืด ในแง่ของวิธีใด มีแนวโน้มที่จะให้ผลลัพธ์ที่ดีที่สุด มีคอน - siderable ตั้งค่าต้นทุนเมื่อประเมินแบบจำลองข้อมูล disaggregate หากมีตัวเลขขนาดใหญ่ขององค์ประกอบชุดดังนั้นนักวิจัยเข้าใจลังเลที่จะไล่ตามกลยุทธ์นี้ ถ้ามันมีโอกาสที่จะให้ผลประโยชน์อย่างวรรณกรรมพยากรณ์รวมอยู่ในทางตัน ช่วงต้นคอน - tributions เน้นผลทางทฤษฎี แต่วิธีนี้ได้ผลในที่สุดทิ้งภายใต้สมมติฐานเข้มงวดเกินไป . เอกสารเชิงประจักษ์มีแนวโน้มที่จะมุ่งเน้นงานที่เฉพาะเจาะจง ประชันชุดของการคาดการณ์ที่ถูกสร้างขึ้นเพื่อให้ประเทศ หรือชุดของประเทศ เพื่อดูว่าอัตราการช่วย ด้วยข้อยกเว้นของ hubrich ( 2003 ) , เอกสารไม่กี่มีการอธิบายถึงศักยภาพของการคาดการณ์ของกลยุทธ์ที่ประสบความสำเร็จหรือล้มเหลว จึงมีแนวทางที่จะพยากรณ์เผชิญกับทางเลือกของการรวม disaggregate การคาดการณ์ .เราดำเนินการแบบฝึกหัดเชิงประจักษ์แต่ความสัมพันธ์ผลของเรากลับไปที่คุณสมบัติของชุดข้อมูลและแบบจำลองที่ใช้ การออกกำลังกายมีวัตถุประสงค์ทั้งในสหรัฐอเมริกา ( US ) และพื้นที่ยูโร ( EA ) อัตราเงินเฟ้อ แม้ว่าทั้งสองชุดข้อมูลที่เกี่ยวข้องกับเงินเฟ้อ ข้อมูลเหล่านี้มีลักษณะแตกต่างกัน และเราปรับแต่งรูปแบบคุณสมบัติของข้อมูล ในทางตรงกันข้ามกับการศึกษาก่อนหน้านี้ส่วนใหญ่เราจะพิจารณาหลายระดับของการรวมของแต่ละชุดข้อมูล . เราพบว่า ครั้งหนึ่งที่เหมาะสมพบสำหรับชุดข้อมูลโดยรวมมักจะนำไปสู่การปรับปรุงในการคาดการณ์ความถูกต้อง - วิเคราะห์ปัญหาเพื่อหาแบบจำลองที่เหมาะสม บ่อย , การคาดการณ์ผลรวมการปฏิบัติงานในการคาดการณ์ที่เลวร้ายที่สุด เรื่องนี้สอดคล้องกับวรรณกรรม ทฤษฎี โดยมีคำอธิบายรายละเอียดสำหรับปัจจัยที่ผลการขับขี่ทั้งข้อมูลที่เราให้ความเข้าใจที่มากขึ้นของประเด็นที่สัมพันธ์กับเอกสารเชิงประจักษ์ อื่น ๆ ในส่วนถัดไป , เราให้ภาพรวมของผลงานหลักทั้งในด้านทฤษฎีและเชิงประจักษ์ของวรรณกรรม ส่วนที่ 3 กล่าวถึงข้อมูลที่ใช้สำหรับการออกกำลังกายเชิงประจักษ์ ส่วนที่ 4 แสดงสัญกรณ์และแบบจำลองในกระดาษกับผลรายงานในส่วนที่ 5 . ส่วนที่ 6 สรุปผลรายงาน