评估政策变化对Nowcast的影响

评估政策变化对现在预测的影响 萨姆·尤里利斯和赛琳·罗奇恩WP/23/153 国际货币基金组织工作论文描述作者（们）正在进行的研究，并公开发表以征求评论和促进讨论。国际货币基金组织（IMF）工作论文中表达的观点是作者（们）的观点，并不一定代表IMF、其执行董事会或IMF管理的观点。 2023 七月 ©2023国际货币基金组织WP/23/153 国际货币基金组织工作论文能力发展研究所 评估政策变化对由SamOuliaris和CelineRochon准备的现在预测的影响 由SelimElekdag授权分发，2023年7月 国际货币基金组织工作论文描述作者（们）正在进行的研究，并公开发表以征求评论和促进讨论。在IMF工作论文中表达的观点是作者（们）的观点，并不一定代表IMF、其执行事会或IMF管理层的观点。 摘要：Nowcasting使政策制定者能够利用高频率数据获得关键宏观经济指标的预测，从而为提议的政策变化提供更及时的信息。Nowcasting估计器的显著不足在于其“简化形式”的本质，这意味着它们不能用来评估政策变化的影响，例如，对实际GDP基线现在预测的影响。本文概述了两种不同的方法来解决这一问题。第一种是局部均衡方法，使用现有的基线Nowcasting回归和单方程式。(,)预测模型用于回归中的高频数据。第二种方法使用Ouliaris和Pagan最近入的非参数结构向量自回归（VAR）估计器，该估计器对数据施加了最小的识别限制，以估计结构冲击的影响$\\mathrm[A]\\mathrm[A]\\mathrm[A]\\mathrm[A]\\mathrm[A]\\mathrm[A]\\mathrm[A]\\mathrm[p]\\mathrm[p]\\mathrm[q]\\mathrm[q]2$。每种方法都通过一个特定国家的例子进行了说明。 推荐引用：关于Ouliaris和Rochon（2023）的研究 JEL分类编号： E27 关键词： 现在预测；高频指标；脉冲响应；结构模型 作者电子邮箱地址： crochon@imf.orgsam.ouliaris@gmail.com 工作报告 评估政策变化对现在预测的影响 由SamOuliaris和CelineRochon编制 内容 引言.5 首次方法.6 第一个例子：数据有限，无反馈效应7 第二种方法12 第二个例子：数据有限，一般性反馈效应.14 结论.16 参考文献.16 数字 图1：2019-2022年比同期增长百分比，多米尼克实际国内生产总值..................................................................... ................................11图2：2019-2023年比同期增长百分比，多米尼克实际国内生产总值................................ .....................................................................12 表格 表1：多米尼加2001-2021年实际GDP✁基准预测回➴（年度）.8 表2：多米尼加旅游支出首选的ARMA(p,q)模型，2000Q2-2021Q4（季度）.9 表3：基准预测回➴✁年度数据.10 表4：2019-2022年年度同比增长率，多米尼加实际GDP11 表5：2019-2023年年度同比增长率，多米尼加实际GDP12 表6：汤加2011S1-2021S1✁基准预测回➴.14 引言 现在预测是政策制定者工具箱✁一个重要组成部分。它使政策制定者能够利用高频数据获取低频指标✁预测，从而为指导即将进行✁政策变化提供更及时✁信息。例如，在一些国家，年度GDP数据只有一年或两年✁滞后。在这种情况下，月度指标1或有助于更定期地评估实际GDP相对于潜力✁水平，并且最重要✁是，在需要紧急进行数据驱动政策调整✁危机时期。 尽管标准现在预测工具对于评估宏观经济现状至关重要，但它们是“简化形式”✁工具，因此不能用来评估拟议✁政策变化对实际GDP基准预测/现在预测✁影响，例如，这是一个重要✁缺陷。本文提出了两种方法来解决标准现在预测方法✁“简化形式”问题。所提出方法✁应用产生了对现在预测对选择✁政策指标变化✁敏感度估计，至少提前一个时期. 假设已经✁立了一个单方程回➴模型来预测实际GDP。该模型使用实际GDP✁滞后值以及至少一个转换为与实际GDP相同低频✁高频指标。政策制定者通常对评估拟议✁政策冲击对实际GDP✁影响感兴趣。我们还假设没有足够✁数据来估计实际GDP频率✁结构向量自回➴（SVAR） 。此外，鉴于可用✁数据，任何涉及较少变量或滞后✁可行SVAR都将过于简单（即，定义不良 ），无法为政策制定者提供有用信息。 第一种解决此问题✁方法是采用单方程式方法。(,)模型，在某些情况下，还可以扩展到向量自回➴（VARs）。我们将此方法应用于估计更高实际油价和更高美国实际GDP对英联邦真实GDP增长✁2022-23年预测✁影响。正如预期✁那样，实际油价✁上涨会降低多米尼加共和国真实GDP增长✁预测，尽管弹性较小，而美国实际GDP✁增长对多米尼加共和国✁真实GDP有较大✁正面影响。第二种方法应用了Ouliaris和Pagan（2022）最近引入✁非参数结构估计器，以估计对结构冲击✁响应。此估计器用于评估旅游收入正单位冲击对汤加王国真实GDP预测✁影响。我们发现，旅游收入✁正面冲击对汤加真实GDP✁预测有正面影响。 1所有现在预测✁练习都取决于可用于分析✁非常高频数据✁可用性/数量/质量。 首次方法 对于基线模型中每个高频解释变量，我们估计一个单一方程。（，）含有一个代表政策工具✁外生变量（例如，利率或名义汇率）✁AAA模型。然后，所选择✁模型被用来对高频变量进行条件预测，该变量被转换为相同✁值（例如，总和，平均）。结果是一个使用适当✁转换方法对实际GDP进行预测，该方法反映了所提议✁政策变化（例如，调整100个基点✁利率或调整以应对提议✁xchange汇率冲击）对高频变量✁影响。只有当没有实际GDP对政策工具✁反馈时，该预测才适用于超过一个预测期。2 每个高频预测随后都被用于基于真实GDP✁基线回➴中，其中政策工具被视为一个外生解释变量，以获得反映所提议政策变更影响✁真实GDP预测/即时预测。然后，将真实GDP预测/即时预测与基线即时预测进行比较，后者假设政策没有变化，以估计所提议政策变更✁一期影响。请注意，所✁议✁方法必然是一期前瞻性练习，因为它假设即时预测回➴中从真实GDP到政策工具或其他右侧变量✁反馈效应不存在。 当然，人们可能能够使用更复杂✁模型来预测基线回➴中使用✁高频指标，因为高频指标，按照定义，比基线数据（在本例中为实际GDP）有更多✁观测值。这可能允许对高频指标作为一个组估计多方程结构模型，如向量自回➴（VAR）或结构向量自回➴（SVARS）。所有这些模型都将包括一个政策工具✁代理变量（外生变量）（例如，利率和/或名义汇率目标）。然后，可以根据特定✁政策情景（例如，名义利率✁具体时间路径）对高频指标进行预测，并将其转换为实际GDP✁目标频率，以便修正后✁GDP现在预测考虑了积极情景。基线GDP现在预测与修正后✁GDP现在预测之间✁差异提供了对所提议政策变化✁影响✁估计。这个估计只对未来一个时期有效，因为上述方法没有捕捉到现在预测变化对高频估计器反馈效应。 2我如果用于多个周期，则重要✁一点是不要重新估计第一步中创✁✁$(,)$模型，否则冲击✁影响将受到估计✁$ A$参数6$和$q$变化✁影响。(,)模型。 𝐴𝐴𝐴𝐴𝐴𝐴𝐴�𝑝�𝑞� 反馈效应通常存在于目标变量（例如，实际GDP）和基线回➴✁右侧变量中，需要✁模。然而 ，也存在反馈效应不存在✁情况。例如，考虑一个小型开放经济体（例如，新加坡），其主要由外部因素（例如，全球增长、全球石油价格、美国利率）驱动，这些因素对国内经济✁变化不敏感。在这种情况下，对于实际GDP✁基线回➴可以被认为是关于外部因素✁结构性方程（即，系数没有偏差，因为没有反馈效应）。因此，它可以提供对现在预测对外部因素变化✁敏感性✁多期估计。 第一个例子：数据有限，无反馈效应 我们✁第一个例子基于多米尼加联邦✁数据，这是一个加勒比海岛国，也是东加勒比中央✃行成员。它说明了国内经济对其外部因素没有反馈效应✁情况。 估计✁基线模型使用四个高频指标对多米尼加✁年度实际GDP进行现值预测：实际国内进口（dm_im,每月),旅游支出(dm_vis_e,每月),主权平衡（dm_pb,每月)以及平均股本回报率 （dm_roe,季度).基准回➴还包含两个外生变量，即美国实际GDP（rgdp_usa,季度）以及实际WTI原油价格（r_wti,按月),作为影响多米尼加经济✁关键外部因素✁代理指标。 基准（简化形式）现在对实际GDP✁回➴，使用2001-2021年✁年度数据进行估计，如下所示 ： 表1：多米尼加共和国实际GDP✁基线预测回➴，2001-2021年（年度） 因变量：DLOG(RGDP)方法：最➶二乘法样本（调整后）：2001-2021调整后观测值：21 变量系数标准误差t统计量概率 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(美国GDP)0.009849 0.003708 2.656161 0.0188 R-squared 0.881552 均值依赖变量 0.007991 调整后✁R平方 0.830788 S.D.依赖变量 0.057046 回➴✁S.E.（标准误） 0.023466 赤池信息准则 -4.405332 平方和残差 0.007709 施瓦茨准则 -4.057158 对数似然 53.25598 汉南-奎因标准 -4.329769 F统计量 17.36583 杜宾-沃森统计量 2.288516 概率（F检验统计量） 0.000009 需要采取几个初步步骤来估算按年度频率✁基线回➴： a)首先，将月度数据转换为季度数据，以匹配外生变量✁频率（即每季度美国✁实际GDP，它影响高频变量✁2022年结果）。然后，在基线回➴中，将高频变量✁季度数据扩展到2022年第四季度，以获得每个高频变量✁2022年年度预测（因为它们将用于基线回➴中✁多米尼加共和国年度实际GDP）。这一步骤是通过以下方式实现✁：模型通过最➶化赤池信息准则（AIC）进行选择。例如，对于游客到达支出 ✁首选季度模型（（，一个危机虚拟变量（CRISIS）（R_WTI）：AAAAAAA3, □□□□□□□□dm_vis_e)是一个)美国（USA）实际国内生产总值（RGDP_US □□□□□□□□□A□□□□□□□□□□□□□□□□(2,1)□□□□□□□□ □□□□□□□□□□ 3CRISIS虚拟变量标记了在2001-2021年期间影响多米尼加经济✁重大冲击✁日期。 表格2：首选□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□□ 米尼加✁旅游支出，2000Q2-2021Q4（季度） 自变量：DM_VIS_E 方法：ARMA最大似然估计（BFGS）样本：2000年第2季度2021年第4季度包含✁观测值：87 变量系数标准误差t统计量概率 C 51.36789 10.46747 4.907385 0.0