makro˝konomiske prognosemodeller: teori, metode og...
TRANSCRIPT
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Makroøkonomiske prognosemodeller: Teori,metode og anvendelse
Ragnar Nymoen
http://folk.uio.no/rnymoen/
Økonomisk instituttUniversitetet i Oslo
Høgskulen i Sogn og Fjordane, Sogndal, 3. september 2012.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Hovedpunkter
I Innledning: Prognoser er viktige for samfunnsøkonomer og for
samfunnsøkonomien
I ”Lynkurs” om modellbaserte prognoser:I Definisjoner (hva er en modellbaser prognose, helt presist?)I Metode, styrker og svakheterI Hva skjer med prognosene nar det er strukturelle brudd i
økonomien?
I En prognosemodell for Norge (Norwegian Aggregate Model,
NAM) og prognoser fra den
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Innledning
Prognoser star sentralt i samfunnsøkonomi I
I Prognoser er i bunn og grunn forventninger—ogforventningsdannelse er viktig for sma og store økonomiskebeslutninger.
I Forventningen om hva Norges Bank vil gjøre med renta
fremover er viktig for valget mellom fast- eller flytende rente
pa studielanet.I Hvert ar setter partene i arbeidslivet seg ned for a bli enige om
hva som er forventet inflasjon neste ar.I Inflasjonsstyring: Det operasjonelle malet for pengepolitikken
er inflasjonsprognosen 1-3 ar fram i tid.
I I moderne makroøkonomisk teori forutsettes det rasjonelle
forventninger (=prognoser)
I Det er altsa bade praktiske og teoretiske grunner til a
interessere seg for prognoseproblemet i samfunnsøkonomi
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Innledning
Men vi har utfordringer I
Mange vil likevel si at det er best a holde seg unna prognosemakeri:
Sjansen for a spa feil (og fa kjeft for det) er svært stor:
Prognosene har gjentatte ganger blitt feil. Modellen er
rett og slett for darlig
Professor Victor D. Norman til DN, 1993.
Dessuten har det vist seg at ”naive” prognoser kan være like gode
som prognoser fra samfunnsøknomiske modeller.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Innledning
Men vi har utfordringer II
Et stort antall personer arbeider kontinuerlig med a
forbedre modellene. Spørsmalet er om det er bryet verdt.
Det meste tyder pa at det er sløsing med høyt utdannet
arbeidskraft. Hvis man kombinerer en naiv prognose med
bruk av alminnelig sundt skjønn nar konjunkturene har
endret seg, far en sannsynligvis minst like gode resultater
som dem de kompliserte modellene gir.
Hallvard Bakke Samfunnsøkonomen, Mai 2010
Naiv prognose: inflasjon i 2012 = inflasjon i 2011
I Betyr dette at a lage prognoser om BNP, rente, inflasjon,
arbeidsledighet osv bør overlates til andre fagdisipliner?
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Innledning
I Det er uansett stor etterspørsel etter makroøkonomiske
prognoser. Dersom vi trekker oss ut av denne virksomheten vil
andre fagdisipliner, eller til og med spakoner, overta.
I Dersom andre disipliner (matematikere og programmere?)
hadde funnet nøkkelen til presise prognoser for BNP sa hadde
vi visst om det na!
I Samfunnsøkonomiske modeller sikrer at prognosene pa
enkeltvariable er logisk konsistente, og en modellbasert
prognosebane kan tolkes og forklares. Begge deler øker
nytteverdien for brukerne
I Men bør ogsa skape realistiske forventninger om hva
modellprognoser kan bidra med
I Det realistiske er kanskje at vi kan levere en viss blandet
kvalitet ....
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Innledning
Rente og inflasjon ”forecastet” før finanskrisen
2006 2007 2008 2009 2010
2
3
4
5
6
7
NAM prognose12 mars 2007
naiv prognose
Pengemarkedsrente
faktisk
2006 2007 2008 2009 2010
1
2
3
4
5
NAM prognose12 mars 2007
naiv prognose
Inflasjon
faktisk
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Innledning
Hva kjennetegner modellbaserte prognoser?
1. La oss se pa en liten teoretisk og modell for se hva som
kjennetegner prognosene fra den modellen.
2. Hva er det som kan forklare at modellprognoser noen ganger
”feiler” alvorlig?
3. Hvorfor kan den noen ganger tape i konkurranse med ”naiv”
prognose?
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Kortsiktsmodell for en lukket økonomi
I Ct betegner privat konsum i periode t, i faste kroner.
I BNPt , St og Jt betegner bruttonasjonalprodukt, skattebeløp
og bruttoinvesteringer.
I a - e er parametre
I εCt og εTt er tilfeldige restledd med forventning null og
konstant varians.
Ct = a + b(BNPt − St ) + cCt−1 + εCt (1)
St = d + eBNPt + εSt (2)
BNPt = Ct + Jt (3)
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Optimal prognose er lik betinget forventning
I Anta at vi befinner oss i periode t = T og vi ønsker a
framskrive økonomien for periode T + 1, T + 2, osv
I Presiserering av forutsetninger for prognosenI Vi kjenner parametrene a - e (ikke noe estimeringsproblem)I Og vi kjenner initialverdiene CT , BNPT , ST og JT (ikke noe
realtidsproblem eller sagbladproblem)I Vi er ikke er mer bekymret for positive enn negative
prognosefeil, dvs symmetrisk tapsfunksjon.
I Derfor velger vi den prognosen som minimerer
gjennomsnittelig kvadratisk feil (MSFE)
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Et viktig teorem: Den prognosen som minimerer MSFE er den betingede
forventningen: E [CT+j | IT ], der IT betegner det informasjonssettet som
vi baserer prognosen pa.
Den betingede forventningen finnes fra løsningen for Ct :
Ct =a + bd
(1− b(1− e))︸ ︷︷ ︸α0
+b(1− e)
(1− b(1− e))︸ ︷︷ ︸α1
Jt+c
(1− b(1− e))︸ ︷︷ ︸α2
Ct−1+εCt − beεSt
(1− b(1− e))︸ ︷︷ ︸εCt
Innsetting i (3) gir løsningen for BNPt
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Ett-steg fram prognosen I
Prognosen for T + 1:
E [CT+1 | JT ] = α0 + α1E [JT+1 | JT ] + α2CT + E [εCT+1 | IT ]
I E [εCT+h | IT ] = 0 for h = 1, 2, 3, 4 følger av forutsetningene
ovenfor
I Men hva med E [JT+1 | IT ] ?
Siden E [JT+1 | IT ] er en matematisk forventning sa krever den at
vi formulerer en matematisk modell for Jt .
Dette minner oss om at det ikke en noen ”gratis lunsj” nar der
gjelder prognoser: Ogsa eksogene variable ma framskrives.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Ett-steg fram prognosen IIDersom vi ikke baserer oss pa en modell for Jt , men erstatter
E [JT+1 | IT ] med noe annet, kan vi strengt tatt ikke snakke om
en betinget (rasjonell) prognose.
I praksis er det nok fa prognoser som er betingede i var strenge
forstand, fordi det ofte bringes inn subjektive forventninger.
Her skal vi ”holde det rent”, og sette: E [IT+h | IT ] ≡ IT for
j=1,2,3,4,....
Da kan vi definere α0 + α1JT = γT
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Dynamiske prognoser I
Vi kan na skrive opp hele sekvensen av dynamiske prognoser:
E [CT+1 | IT ] = γT + α2CT
E [CT+2 | IT ] = (1+ α2)γT + α22CT
E [CT+3 | IT ] = (1+ α2 + α2
2)γT + α32CT
E [CT+4 | IT ] = (1+ α2 + α2
2 + α3
2)γT + α42CT
Og generelt, for prognosehorisont H :
E [CT+h | IT ] = (
h−1∑j=1
αj2)γT + αh2CT
for h = 1, 2, 3, ...,H
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Vi ser at α2 spiller en avgjørende rolle
I Hvis α2 = 0 far vi
E [CT+h | IT ] = γT ,
for h = 1, 2, 3, ....,H . Dvs ”uendret konsum” for alle
prognosehorisonter.
I Hvis −1 < α2 < 1 er situasjonen mer interessant:
E [CT+H | IT ] 6= γT
E [CT+H | IT ] 6= E [Ct ] = C ∗ =γT
1− α2
E [CT+H | IT ] → C ∗ =γT
1− α2
nar H → ∞, og E [Ct ] = C ∗ er den ubetingede forventningen
som er likevektsverdien til Ct .
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Stasjonære og ikke-stasjonære variable I
Nar −1 < α2 < 1 har vi at
I Modellprognosen er forskjellig fra bade initialverdien CT og
likevekten C ∗.
I Modellprognosen gar mot likevektsverdien nar lengden pa
framskrivningshorisonten H vokser mot uendelig
I I makroøkonomisk sammenheng er det ofte at variableneavhenger enda mer fundamentalt av historien
I Med α2 = 1 er Ct ikke-stasjonærI Da vil prognosen alltid gjenspeile initalverdien CT , og vil ikke
trekkes mot en likevekt.I Usikkerheten, malt med prediksjonsintervallet, øker monotont
med H nar α2 = 1, mens den stabiliseres nar −1 < α2 < 1
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Hovedeksempel: Prognose for BNP og konsum
Stasjonære og ikke-stasjonære variable III Vi kan si at ikke-stasjonære variable i mindre grad er
predikerbare enn det stasjonære variable er.I Dersom Ct er ikke-stasjonær, er imidlertid endringen ∆Ct
stasjonær.I Siden mange makroøkonomiske variable er ikke-stasjonære, er
det vanlig at prognosemakere gir anslag pa endringstall og
vekstrater.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Ekskurs: Pris og lønnsdannelse
Prognoser fra en modell for lønnsdannelse I
Et teoretisk eksempel: Prediksjon av lønn og arbeidsledighet
I den ”norske inflasjonmodellen” antas det at trenden i reallønn pr
time følger en hovedkurs som er bestemt av produktivitet.
I Produktiviteten er en ikke-stasjonær variabel.
I Lønna avhenger ogsa av stramheten pa arbeidsmarkedet, malt
med ledigheten.
I I denne modellen vil lønn og hovedkurs være ikke-stasjonære
variable, men usikkerheten øker med prognosehorisonten
I Lønnsandel, lønnsvekst og arbeidsledighet vil derimot være
stasjonære
I Typiske prognoseforløp blir som vist i neste figur:
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Ekskurs: Pris og lønnsdannelse
Prognoser fra en modell for lønnsdannelse II
2005 2010 2015 2020
2.0
2.2
2.4
2.6Prognose Lønn
2005 2010 2015 2020
2.2
2.4
2.6
2.8
Prognose, gitt 2006 Hovedkurs (konstruerte data)
2005 2010 2015 2020
0.0475
0.0500
0.0525
Prognose Ledighetsrate
2005 2010 2015 2020
0.03
0.04
0.05Prognose Lønnsvekst
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Estimert makromodell I
I I praksis ma vi estimere parametrene i modellen:
Ct = a + b(BNPt − St ) + cCt−1 + εCt
St = d + eBNPt + εSt
BNPt = Ct + Jt
I Hvordan pavirker dette de økonometriske prognosene?
I Vi har 100 oberservasjoner for C, BNP, J og S
I MKM estimatorene er forventningsskjeve, sa vi bruker 2MKM
eller sannsynlighetsmaksimering (FIML)
I Med FIML far vi:
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Estimert makromodell II
Ct = 0+ 0, 74(BNP t − St ) + 0, 41Ct−1
St = −34+ 0, 54BNP t
Jt = 100
BNP t = Ct + Jt
Da kan vi undersøke om den prognoseteorien vi nettopp har sett pa
holder stikk.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
I Bruker den estimerte modellen til a lage dynamiske prognoser
for BNPt+h , Ct+h , Jt+h og St+h for 10 perioder framover
(prognosehorisonten H = 10)
I I virkelighetens verden ma en prognosemaker vente en stund
før ”fasiten” kommer
I Men vi har ordnet oss slik at vi har utfallet for
BNPT+1,BNPT+2, ...BNPT+10, CT+1,CT+2, ... osv
liggende klart!
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Betydningen av estimeringsfeil for prognosene I
I Hvor mye betyr det at vi basert prognosen pa estimerte
parameterene og ikke de sanne parametrene?
I Sann modell:
Ct = 0+ 0, 5(BNP t − St ) + 0, 60Ct−1
St = −20+ 0, 5BNP t
Jt = 100
BNP t = Ct + Jt
I Vi ser at vi kunne vært heldigere med estimeringen
I Men hvor mye betyr det for prognosene?
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Prognoser for konsum (C) fra estimert og kjent modell
Prognose med estimerte koeff Prognose med kjente koeff
C C
100 101 102 103 104 105 106 107 108 109 110 111 112 113
250
251
252
253
254
255
256
257
258
259 Prognose med estimerte koeff Prognose med kjente koeff
C C
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
I Makroøkonomi er et fag med flere kontroverser
I Forutsetningen om ledige ressurer og at BNP er ”bestemt fra
etterspørselssiden” kan trekkes i tvil. Jf debatten i USA
I Teorien om tilbudssidebestemt BNP kan representeres med en
alternativ modell:
Ct = 0, 80+Ct−1 (4)
BNP t = 357+ 0, 08 ∗Trendt (5)
Jt = BNP t − Ct (6)
I I denne modellen er det ingen multiplikator (helt andre
politikkimplikasjoner).
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
I Økonometriske tester gir klar beskjed om at denne modellen
er feilspesifisert (Hansen-Sargan test)
I Men hvordan slar feilspesifikasjonen ut pa prognosene?
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Prognoser for konsum (C) fra korrekt og feil modell
Prognose fra sann modell Prognose fra feil modell
C C
100 101 102 103 104 105 106 107 108 109 110 111 112 113
245.0
247.5
250.0
252.5
255.0
257.5
260.0
262.5
Prognose fra sann modell Prognose fra feil modell
C C
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Oppsummering sa langt I
I Dersom modellen er riktig spesifisert vil prognosene bli:I Riktige i gjennomsnittI Prognosefeilene,vil ikke bli ”overraskende store” i forhold til
det vi forventet pa prognosetidspunktet.
I Estimering av parametrene er ikke noe stort praktisk problemI Økonometri virker!I Prognosene ”taler” dessuten en del feilestimeing
I Feilspesifikasjon av modellen behøver heller ikke bety sa mye
for punktprognosene—her vi pa sporet av hvorfor en naiv
prognosemodell kan gjøre det ganske bra.
I Prediksjonsintervallene blir derimot feil (i vart eksempel blir
de for brede: Men det motsatte kan ogsa forekomme)
I Men økonometrisk testing avslørerer feilspesifikasjonen!
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Grunnkurs i modellbaserte prognoser
Prognoser fra estimert modell
Oppsummering sa langt III Bruk økonometrisk modellering og -testing til a velge
makromodell: Ikke prognosene!
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Hva er det gjemte premisset? I
I Hittil har vi basert oss pa at den datagenererende prosessen,
DGP, er den samme i prognoseperioden som i den
estimeringsperioden
I Altsa at det ikke forekommer regimeskift i prognoseperioden
I Dette er urealistisk. Strukurelle brudd og regimeskift av større
eller mindre omfang er det vanlige i samfunnsøkonomien
I A innrette seg som om de ikke forekommer, fører helt sikkert
til store prognosefeil
I Det er strukturelle brudd som er den virkelige fienden til
prognosene fra vare modeller
I De forklarer ogsa hvorfor ”naive” prognoser kan gjøre det
overraskende bra i prognosekonkurranser.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Norges Banks inflasjonsprognoser, 2003-2005
2002 2003 2004 2005
0.00
0.02
0.04 a) IR 2/03
punktprognose
faktisk inflasjonsrate
inflasjonsrate
2002 2003 2004 2005
0.00
0.02
0.04 b) IR 3/03
inflasjonsrate
2002 2003 2004 2005
0.00
0.02
0.04 c) AIF 2/03
inflasjonsrate
2002 2003 2004 2005
0.00
0.02
0.04 d) AIF 3/03
inflasjonsrate
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Strukturelt brudd i prognoseperioden (simulering)
I I makromodellen var er et strukturelt brudd i gjennomsnittet
til It nok til at prognosen for CT + h blir systematisk feil.
I Marginal konsumtilbøyelighet b invariant (konstant) pa tross
av strukturelt brudd
I Modell en er altsa like relevant for politikkformal som den ville
vært med perfekte prognoser
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Investeringsfall etter at prognosen er laget
Forecasts C
100 105 110
245.0
247.5
250.0
252.5
255.0
257.5 Forecasts C Forecasts S
100 105 110
157.5
160.0
162.5
165.0
Forecasts S
Forecasts J
100 105 110
95.0
97.5
100.0
Forecasts J Forecasts BNP
100 105 110
355
360
365
370Forecasts BNP
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Investeringsfall før prognosen blir laget
Forecasts C
105 110
245.0
247.5
250.0
252.5
255.0
257.5Forecasts C Forecasts S
105 110
157.5
160.0
162.5
165.0Forecasts S
Forecasts J
105 110
95.0
97.5
100.0
102.5 Forecasts J Forecasts BNP
105 110
355
360
365
370 Forecasts BNP
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Strukturelt brudd i prognoseperioden (algebra)
La oss velge litt enklere notasjon na:
yT+H |T betegner den betingende prognosen til en vilkarlig variabel
yt . y∗ betegner likevekten, altsa E [yt ].
Den dynamiske prognosen kan skrives som:
yT+h |T = y∗ + αh {yT − y∗} , for h=1,2,...,H
nar −1 < α < 1
I Anta at det skjer en strukturell endring som gjør at y∗ skiftertil y∗ + d fra og med T + 1 og ut prognoseperioden.
I Eksempel: Likevektsverdien til inflasjonen skifter fra 3% til
1,5% .
I Vil da erfare systematiske prognosefeil:
E[yT+h − yT+h ] = (1− αh)d 6= 0, for − 1 < α < 1.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Eksempel: d = 1, 5% og α = 0, 5. Systematisk feil (skjevhet) blir
I T + 1: 0,75%
I T + 2: 1,12%
I T + 3: 1,31%
Men etter en periode kan vi betinge pa T+1, og lage en oppdatert
prognose for T + 2, T + 3 osv.
Det strukturelle bruddet ’ligger’ na i informasjonssettet. Likevel:
yT+2+h |T+1 = y∗ + αh(yT+1 − y∗).
Ogsa den oppdaterte prognosen vil trekkes mot gammel y∗, ikke
mot den nye, som gjelder etter at regimeskiftet som fant sted i
periode T+1.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Løsninger pa problemet med strukturelle brudd? I
I Vanlig feildiagnose: Modellen er bakoverskuende og bruker
parametre som er estimert pa historiske data.
I Feil fordi ogsa modeller med ”framoverskuende” yt+1 ledd har
en løsning av samme form som det vi har sett overfor, og
prognosene blir betinget pa forhistorien
I Problemet er fundamentalt fordi alle disiplinmodeller er
likevektsmodeller, og prognosene fra disse modellene dras mot
likevektsverdier.
I Det er nok at konstantleddet i likevektsammenhengen skifter.
I I og for seg godt nytt: Fordi modellen fortsatt kan være
relevant til politikk-analyse (pa tross av brudd).
Ingen vidunderkur. Men modellovervakning, evaluering og
re-modellering gjør modellen tilpasningdykting.— Og det hjelper!
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Systematiske prognosefeil—strukturelle brudd
Løsninger pa problemet med strukturelle brudd? III Vanskelig i praksis: y∗ ma re-estimeres pa basis av bare noen
fa observasjoner
I Sagar vanskelig i praksis a klassifisere skiftet som varig eller
midlertidig ...
I og i sa fall skal y∗jo ikke endres, og bare prognosene for kort
horisont skal korrigeres.
I Jo mindre fleksibelt prognosesystem, jo mer utsatt for
systematiske prediksjonsfeil utløst av strukturelle brudd.
I Norges Banks problemer med a framskrive inflasjonen i
2003-2007 er et eksempel: Isolert sett, siden renten brukes
som instrument til a styre NBs inflasjonsprognose, kan dette
ha hatt betydning for rentenivaet i Norge
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Naive prognoser
Hva kjennetegner de naive prognosene? I
Inflasjon framover = inflasjon i dag.
~yT+h = yT
~yT+1+h = yT+1, osv
I Hvis ikke regimeskift sa vil de naive prognosene gi alt for høy
prediksjonsusikkerhet
I Men dersom strukturelt brudd, sa kan dette oppveies av at
den naive prognosen kan være robust fordi den tildpasser seg
det nye regimet
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Naive prognoser
Hva kjennetegner de naive prognosene? IIHvis strukturelt brudd i periode T+1 (fra my til my + d):
E[yT+1 − ~yT+1|T ] = (1− α)((y∗ + d) − yT ) = (1− α)d .
Bommer systematisk fra første periode og videre framover.
Men annerledes for den oppdaterte prognosen
E[yT+2 − ~yT+2|T+1] = 0.
Ikke systematisk bom etter at bruddet har skjedd.
Etter bruddet trekkes den naive prognosen mot riktig niva. Derfor
er den spesielt robust overfor varige brudd i
likevektssammenhenger.
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Flytdiagram i NAM
Policy ratei
Exchange rateE
Wage (W)and price (P)adjustments
PIImport price
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Flytdiagram i NAM
Policy ratei
UnemploymentU
Wage (W)and price (P)adjustments
ProductivityPR
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Flytdiagram i NAM
Policy ratei
Loan and bond rateiLand iB
GDPY
CreditCR
Wage (W)and price (P)adjustments
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Flytdiagram i NAM
Policy ratei
Loan and bond rateiLand iB
GDPY
CreditCR
Exchange rateE
UnemploymentU
Wage (W)and price (P)adjustments
PIProductivity
PR
Exchange rate channel Demand channel Labour market Taylor rule
Import price
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Taylor-regel
I Taylor regel: Modelleringen av Norges Banks rentesetting
(fleksibel inflasjonsstyring)
I Foliorenta modelleres som funksjon av:I KPIJAE, avvik fra maletI RealvalutakursenI ArbeidsledighetsprosentI Innteksutviklingen i utlandet (eksportmarkedsindikator)
I Merk at rente i utlandet ikke inngar direkte
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Faktisk og forklart foliorenteFOLIO FOLIO fra estimert modell
2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
2
3
4
5
6
7
FOLIO FOLIO fra estimert modell
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Renteføyning i NAM
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Basissimulerng av NAM, juni 2012
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Basissimulerng av NAM, juni 2012
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Basissimulerng av NAM, juni 2012
Makroøkonomiske prognosemodeller: Teori, metode og anvendelse
Norwegian Aggregate Model
Konklusjoner
I Makroøknomiske prognosemodeller er darlig tilpasset
framskrivning nar det skjer hyppige regimeskift.
I Problemet kan reduseres ved modellkorreksjon, og ved a dyrke
et fleksibelt ”framskrivningsmiljø”
I Modellere mer, ikke mindre!