评估政策变化对 Nowcast 的影响

评估政策变化对Nowcast的影响 SamOuliaris和CelineRochon WP/23/153 货币基金组织工作文件描述了作者正在进行的研究，并发表了这些论文，以引起评论并鼓励辩论。 基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执行董事会或基金组织管理层的观点。 2023 JUL ©2023国际货币基金组织WP/23/153 IMF工作文件 能力发展研究所 评估政策变化对SamOuliaris和CelineRochon编写的Nowcast 的影响 由SelimElekdag授权分发2023年7月 货币基金组织工作文件描述了作者正在进行的研究，并发表了这些论文，以引起评论并鼓励辩论。基金组织工作文件中表达的观点是作者的观点，不一定代表基金组织、其执行董事会或基金组织管理层的观点。 摘要：Nowcastig使决策者能够使用更高频率的数据获得对关键宏观经济指标的预测，从而获得更及时的信息来指导拟议的政策变化。临近预报估算器的一个重大缺点是其“简化形式”的性质，这意味着它们不能用于评估政策变化对实际GDP基线临近预报的影响。本文概述了解决此问题的两种单独方法。第一种是局部平衡方法 ，该方法使用现有的基线临近预报回归和单方程。𝐴𝑅𝑀𝐴(𝑝,𝑞)该回归中高频数据的预测模型。第二种方法使用最近在Ouliaris和Pagan（2022）中引入的非参数结构VAR估计器，该估计器对数据施加了最小的识别限制来估计结构冲击的影响。每种方法都使用特定国家的示例进行说明。 推荐引用:Ouliaris和Rochon（2023） JEL分类号: E27 关键字: 临近预报;高频指标;脉冲响应;结构模型 作者的电子邮件地址： crochon@imf.org;sam.ouliaris@gmail.com *作者要感谢DanielTaumoepeau访问数据，作为ICD为汤加国家储备银行提供的FPAS技术援助的一部分。 工作文件 评估政策变化对Nowcast的影响 由SamOuliaris和CelineRochon编写 Contents 数字 图1：2019-2022年多米尼加实际GDP同比变化百分比11 图2：2019-2023年多米尼加实际GDP同比变化百分比12 Tables 表1：2001-2021年多米尼加实际国内生产总值的基线Nowcasting回归（年度）8 表2：首选ARMA(p,q)多米尼加旅游支出模型，2000Q2-2021Q4（季度）9 表3：基线临近回归的年度数据10 表4：2019-2022年多米尼加实际国内生产总值同比变化百分比11 表5：2019-2023年多米尼加实际国内生产总值同比变化百分比12 表6：汤加的基线Nowcasting回归，2011S1-2021S114 Introduction Nowcastig是决策者工具包的重要组成部分。它使决策者能够使用更高频率的数据获得低频指标的预测，从而获得更及时的信息来指导即将发生的政策变化。例如，在一些国家，年度国内生产总值只能滞后一两年。在这种情况下，每月指标1可能有助于更定期地改善对实际国内生产总值相对于潜力的评估，最重要的是，在紧急需要数据驱动的政策调整的危机事件期间。 虽然标准的临近预报工具对于评估宏观经济的当前状态至关重要，但它们是“简化形式”的工具，因此不能用于评估拟议的政策变化对实际GDP的基线预测/临近预报的影响，例如，这是一个重大缺陷。本文提出了两种方法来解决标准临近预报方法的“简化形式”问题。所提出的方法的应用得出了至少在未来一个时期内对所选政策指标变化的敏感性的估计。 假设已经建立了单方程回归模型来预测实际GDP。它使用实际GDP的滞后和至少一个高频指标转换为与实际GDP相同的较低频率。政策制定者通常对评估拟议的政策冲击对实际GDP的影响感兴趣。我们还假设没有足够的观测值可用来估计实际GDP频率的结构性VAR。此外，给定可用数据，任何涉及较少变量或滞后的可行SVAR都太简单了（i。Procedres.，具体说明不清楚)为政策制定者提供有用的信息。 解决此问题的第一种方法使用单方程𝐴𝑅𝑀𝐴(𝑝,模型，在某些情况下还可以扩展到向量自回归(VAR)。我们应用这种方法来估计实际油价上涨和美国实际GDP上涨对2022-23年多米尼加联邦实际GDP增长的影响。正如预期的那样，实际石油价格的上涨降低了多米尼加实际GDP增长的预期，尽管弹性很小，而美国实际GDP的增长对多米尼加的实际GDP产生了巨大的积极影响。第二种方法应用了最近在Oliaris和Paga（2022）中引入的非参数结构估计器来估计临近预报对结构冲击的响应性。该估算器用于评估旅行收入的单位冲击对汤加王国实际GDP的影响。我们发现，对旅行收入的积极冲击对汤加实际GDP的owcast产生了积极影响。 1所有的临近预报练习都取决于用于分析的高频数据的可用性/数量/质量。 第一种方法 对于实际GDP基准模型中的每个高频解释变量，我们估计了一个方程￿￿￿￿(￿,具有代表政策工具的外生变量 (例如，利率或名义汇率)的模型。首选 ￿￿￿￿(￿,￿)然后使用模型来生成高频变量的条件预测，该高频变量使用适当的转换方法转换为与实际GDP相同的频率（例如Procedre，求和，平均)。结果是一个预测，反映了拟议的政策变化的影响(例如Procedre，调整100bps的利率，或为建议的汇率冲击调整的汇率）对高频变量。只有在实际国内生产总值对政策工具没有反馈的情况下，它才在未来一段时间内有效。 然后，这些高频预测中的每一个都被用于实际GDP的基线回归，该基线回归还将政策工具作为外生解释变量，以获得反映拟议政策变化影响的实际GDP的预测/临近预测。然后将实际GDP预测/owcast与假设政策没有变化的基线owcast进行比较，以估计拟议政策变化的一期影响。请注意，建议的方法必然是一个提前一段时间的练习，因为它假设没有反馈效应，例如，实际GDP对政策工具或临近预报回归中的其他右侧变量。 当然，人们可能能够使用更复杂的模型来预测基线回归中使用的高频指标，因为根据定义，高频指标比基线数据 （在这种情况下，实际GDP）具有更多的观察结果。这可以允许将诸如VAR或SVARS之类的多方程结构模型估计为一组高频指示符。所有这些模型都将包括政策工具的代理变量(外生)(例如Procedre、利率和/或名义汇率目标)。高频指标的预测取决于特定的政策情景(例如Procedre，名义利率的特定时间路径）然后可以转换为实际GDP的目标频率，以使实际GDP的修正后的owcast占活跃情景。实际国内生产总值的基准即时预报和修订后的即时预报之间的差异估计了拟议的政策变化的影响。该估计仅在未来一个时期内有效，因为刚刚描述的方法没有捕获owcast变化对高频估计器的反馈影响。 2I如果用于一个以上的时期，重要的是不要重新估计￿￿￿￿(￿,在第一步中创建的模型，否则冲击的影响将受到估计参数的变化的影响 ￿￿￿￿(￿,模型。 例如,考虑主要由外部因素(如世界增长、全球油价、 美国利率）对国内经济变化不敏感。在这种情况下，实际GDP的基线回归可以被认为是相对于外部因素的结构方程（即，系数没有偏差，因为没有反馈效应）。因此，它可以提供对nowcast对外部因素变化的敏感性的多期估计。 第一个例子：有限的数据，没有反馈效应 我们的第一个例子是基于多米尼加联邦的数据，多米尼加是加勒比的一个岛国，也是东加勒比中央银行的成员。它说明了国内经济对外部因素没有反馈效应的情况。 估计的基准模型使用四个较高频率的指标对多米尼加的年度实际GDP进行了临近预测：实际国内进口（dm_im，每月)、旅游支出(dm_vis_e,每月)，主要余额(dm_pb,每月)和平均股本回报率(dm_roe，季度 )。基线回归还包括两个外生变量，即美国的实际GDP(rgdp_usa，季度)和实际WTI原油价格(r_wti， 每月)，作为影响多米尼加经济的关键外部因素的代理。 使用2001-2021年的年度数据估算的实际GDP的基准（简化形式）临近回归是： 表1：2001-2021年多米尼加实际国内生产总值的基线Nowcasting回归（年度） 因变量：DLOG(RGDP)方法：最小二乘 样本（调整后）：20012021 包括的观察结果：调整后的21 变量 系数 标准错误 t-统计量 Prob. C -0.023209 0.010849 -2.139346 0.0505 DLOG(DM_IM) 0.181250 0.046806 3.872325 0.0017 DLOG(DM_VIS_E) 0.051998 0.017337 2.999274 0.0096 D(DM_PB) 0.000422 0.000249 1.694686 0.1123 DM_ROE 0.000749 0.000310 2.419824 0.0297 D(R_WTI) -0.014054 0.009818 -1.431469 0.1742 D（RGDP_美国） 0.009849 0.003708 2.656161 0.0188 R平方 0.881552 均值相依变量 0.007991 调整后的R平方 0.830788 S.D.依赖var 0.057046 S.E.回归 0.023466 Akaike信息标准 -4.405332 Sumsquaredresid 0.007709 Schwarz判据 -4.057158 对数似然性 53.25598 Hannan-QuinnCriter. -4.329769 F统计量 17.36583 Durbin-Watsonstat 2.288516 Prob(F统计量) 0.000009 需要几个初步步骤来估计年度频率的基线回归： a)首先将月度数据转换为季度数据，以匹配外生变量的频率（i。Procedres.，影响高频变量 2022年结果的季度美国实际GDP)。然后将基线回归中高频变量的季度数据扩展到2022Q4 ，以获得每个高频变量对2022年的年度预测（因为它们将用于多米尼加年度实际GDP的基线回归）。此步骤是使用。￿￿￿￿(￿,￿)通过最小化Akaike信息准则(AIC)选择的模型。例如，首选的季度￿￿￿￿(￿,￿)按游客人数划分的支出模型(dm_vis_e)是一个￿￿￿￿(2,1)具有危机虚拟模型(CRISIS)3、美国实际GDP(RGDP_USA)和实际油价(R_WTI)的模型 ： 3危机假人标志着2001年至2021年期间影响多米尼加经济的重大冲击的日期。 表2：首选￿￿￿￿(￿,多米尼加旅游支出模型，2000Q2-2021Q4（季度） 因变量：DM_VIS_E 方法：ARMA最大似然（BFGS）样本： 2000Q22021Q4 包括的意见：87 可变系数标准。误差t-统计问题。 C 51.36789 10.46747 4.907385 0.0000 危机 -7.346555 4.069085 -1.805456 0.0748 DLOG(RGDP_美国) 115.8278 37.74850 3.068408 0.0029 R_WTI -2.209432 5.524214 -0.399954 0.6903 AR(1) 1.459534 0.487461 2.994153 0.0037 AR(2) -0.536291 0.447560 -1.198255 0.2344 MA(1) -0.412037 0.561082 -0.734362 0.4649 SIGMASQ 79.11120 9.889257 7.999711 0.0000 R平方 0.833063 均值相依变量 51.28306 调整后的R平方 0.818271 S.D.依赖var 21.89543 S.E.回归 9.333941 Akaike信息标准 7.412926 Sumsqu