دانلود مقاله ISI انگلیسی شماره 45709 + ترجمه فارسی
عنوان فارسی مقاله

پیش بینی اقتصاد کلان در زمان رکود بزرگ: بازگشت غیرخطی؟

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
45709 2015 16 صفحه PDF 31 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Macroeconomic forecasting during the Great Recession: The return of non-linearity?
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Forecasting, Volume 31, Issue 3, July–September 2015, Pages 664–679

فهرست مطالب ترجمه فارسی
چکیده
کلید واژه ها
1. مقدمه 
2. مدل های پیش بینی 
3. آزمایش پیش بینی 
3.1 پایگاه داده
3.2 طرح پیش بینی 
3.3 ارزیابی پیش بینی 
3.4 فیلتر شیفتگی 
4. نتایج
4.1 نتایج تجمعی
شکل 1. نمودارهای جعبه ای RMSFE ها بر حسب افق های پیش بینی (h=1 و h=4) و بازه های ارزیابی
جدول 1. نتایج کل: توزیع RMSD های نسبی برای مدل های غیرخطی 
جدول 2. نتایج کل: تست های ارزیابی پیش بینی- نرخ رد عملکردهای پیش بینی معادل مدل های خطی و غیرخطی
شکل 2. نمودارهای جعبه ای RMSFE ها بر حسب متغیرها و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید.
شکل 3. نمودارهای جعبه ای RMSFE ها بر حسب متغیرها و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید.
شکل 4. نمودارهای جعبه ای RMSFE ها بر حسب متغیرها و بازه های ارزیابی به ازای h=4. به شکل 1 نگاه کنید.
جدول 3. نتایج بر حسب متغیرها: پیشرفت پیشگویانه (% RMSFE های کمتر از یک) و نرخ های رد برای تست DMW
4.2 نتایج حاصل از مدل های غیرخطی
شکل 5. نمودارهای جعبه ای RMSFE سری های نرخ سود کوتاه مدت (IRS) توسط مدل های غیرخطی و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید. 
شکل 6. نمودارهای جعبه ای RMSFE سری های تورم (CPI) توسط مدل های غیرخطی و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید. 
شکل 7. نمودارهای جعبه ای RMSFE سری های GDP توسط مدل های غیرخطی و بازه های ارزیابی به ازای h=1. به شکل 1 نگاه کنید. 
جدول A.1. منابع اصلی
جدول A.2. پایگاه داده: کشورها، سری های تقریباً موجود و سری های از دست رفته 
4.3 نتایج بر حسب متغیرها 
جدول A.3 نتایج مدل های غیرخطی: توزیع RMSFE های نسبی
4.4 تمرکز بر روی متغیرهای اصلی اقتصادکلان
4.4.1 نرخ های سود کوتاه مدت 
جدول 4.A نتایج مدل های غیرخطی: تست های ارزیابی پیش بینی- تست های رد با 10% اندازه نرمال. 
4.4.2 تورم CPI
4.4.3 رشد GDP
5. توضیحات نتیجه گیری
جدول A.5 نتایج بر حسب متغیرها: توزیع RMSFE های نسبی و تست های ارزیابی پیش بینی 
کلمات کلیدی
مدل های غیر خطی - پیش بینی مقایسه - رکود اقتصادی جهانی
ترجمه چکیده
مباحث مربوط به قابلیت پیش بینی مدل های غیرخطی از پیشینه طولانی برخوردار است و واقعه رکود بزرگ فرصت جالب توجهی را برای ارزیابی مجدد عملکردهای پیش بینی کلاس های متفاوت مدل های غیرخطی فراهم آورده است. تحلیل جامعی بر روی پایگاه داده وسیعی از شاخص های اصلی اقتصاد کلان در کل کشور انجام شده است. نتایج نشان می دهند که مدل های غیرخطی حتی در دوران رکود بزرگ به طور متوسط نمی توانند عملکرد بهتری نسبت به مشخصه های خطی استاندارد ارائه دهند. به هر حال، مدل های غیرخطی موجب افزایش دقت پیشگویانه تقریباً در 45%- 40% موارد می شوند، و الگوهای ویژه جالبی را در مدل ها و متغیرها پدید می آورند، هرچند به طور کلی بازده شان محدود است. معمولاً، یافته های ما با فرضیه هایی سازگار هستند که واقعه رکود بزرگ را به جای افزایش درجه غیرخطی در فرآیندهای احتمالی، مبنای سری های زمانی مهم اقتصاد کلان، به صورت سلسله مراتبی از شوک های بزرگ غیرعادی توصیف می کنند.
ترجمه مقدمه
در اقتصادهای تجربی که اساساً قصد دارند ویژگی های اصلی چرخه تجاری را تکرار کنند مانند مراحل پسرفت (رکود) و پیش رفت که دوره های بین نقاط انتقال (سریع یا ملایم) را تحت پوشش قرار می دهند از مدل های غیرخطی به طور گسترده استفاده می شود. اکثر مطالب مجموعه مقالات بر اساس مدل های انتقالی مارکوف که توسط همیلتون پیشنهاد شده و مدل های آستانه تراسویرتا و اندرسون و تانگ و لیم ارائه شده اند. اساساً این مدل ها از پارامترهایی از نوع انتقالی استفاده می کنند و دینامیک های اصلی را می توان توسط یک فرآیند مشاهده نشده و مشاهده شده به دست آورد، مانند رفتار قبلی خود متغیر یا رفتار متغیرهای اقتصادی. مدل های متغیر با زمان نیز به طور موفقیت آمیزی در مجموعه مقالات به کار رفته اند، زیرا با استفاده از پارامترها در گذر زمان به طور پیوسته امکان مدل سازی انعطاف پذیر سری های اقتصاد کلان را فراهم می آورند، بنابراین یک برآورد بهینه از فرآیندهای کلی غیرخطی ارائه می شود. با این حال، به نظر می رسد که توانایی پیش بینی مدل های غیرخطی زیاد واضح نباشد. در حالت خاص، شواهد تجربی مربوط به عملکرد پیش بینی مشخصه های غیرخطی، در مقایسه با مشخصه های خطی یا حتی فرآیندهای گردش تصادفی نسبتاً ترکیب شده است. از طرف دیگر، تیائو و تسی (1994) نشان داده اند که مدل های آستانه هنگام پیش بینی US GDP نسبت به جایگزین های خطی عملکرد بهتری دارند. به همین نحو، کیلیان و تایلور (2003) و تراسویرتا، ون دیجک، و مدیروس (2005) توسط مدل های انتقال ملایم برای مجموعه کوچکی از متغیرهای ماهانه شواهدی درباره عملکردهای پیشگویانه مناسب ارائه داده اند. استاک و واتسون (1999) بیش از 200 مجموعه واقعی و مالی را برای ایالات متحده در نظر گرفته و نشان داده اند که روش های غیرخطی را می توان به درستی برای پیش بینی دستمزد، استخدام و سری های نرخ ارز در افق های میان دوره و طولانی مدت به کار برد. اخیراً، بک بو عبدالله و فرا (2014) نشان داده اند که ورژن تعمیم یافته مدل های آستانه، که تأثیرات پسرفت را در نظر گرفته اند، می توانند رشد GDP را به طور مناسب پس از رکود پیش بینی کنند. از طرف دیگر، کلمنتز و اسمیت (2001) نشان داده اند که پیش بینی های مربوط به مدل های آستانه خودبرانگیخته دقیق تر از پیش بینی های به دست آمده از فرآیند گردش تصادفی سری های نرخ ارز نیستند. نتایج مشابهی توسط بوئرو و مارکو، سارانتیس و تراسویرتا و اندروسن ارائه شده اند که مدل های انتقال ملایم را با جایگزین های خطی به ترتیب برای پیش بینی تولید صنعتی و سری های نرخ ارز ارائه داده اند. کلمنتش و کرولزیگ (1998)ف مونگومری، زارنوویتز، تسای و تیانو (1998) و سارانتیس (1999) نشان داده اند که مدل های پیش بینی انتقالی مارکوفنسبت به مدل های خطی و سایر مدل های غیرخطی عملکرد نسبتاً ضعیفی دارند. به هر حال، پرز- کویروس و تیمرمان (2001) نشان داده اند که هنگام در نظر گرفتن گشتاورهای بالای داده، ریسک های نامتقارن و مقادیر بالا می توان بازده پیشگویانه به دست آورد. علاوه بر این، کاماچو، پرز- کویروس و پانسلا (2014) سطوح دقت پیش بینی های GDP ناحیه اروپایی به دست آمده از مدل های خطی و مدل های انتقال مارکوف را با هم مقایسه کرده و نشان داده اند که به کارگیری مورد آخر اساساً باعث ارائه اطلاعات ارزشمند و به موقع درباره وضعیت اقتصاد می شود. مدل های متغیر با زمان و سایر مشخصه های غیرخطی توسط مارسلینو (2005) بر روی مجموعه داده بزرگی از تقریباً 500 متغیر برای کشورهای ناحیه اروپایی انجام شده است. مدل های خطی جایگزین های غیرخطی را بر حسب میانگین عملکردها در متغیرها به طور وسیع تحت تأثیر قرار می دهند و افق های پیش بینی، مشخصه های غیرخطی (به ویژه موارد متغیر با زمان) نسبت به مدل های خطی برای زیرمجموعه ای از متغیرها عملکرد بهتری دارند. روی هم رفته، هیچ گونه اتفاق نظر مشخصی در مورد عملکرد پیشگویانه مدل های غیرخطی در مقایسه با مدل های حریف خطی وجود ندارد. در واقع، مجموعه مقالات تجربی نشان می دهند که این نتایج اساساً به عوامل مختلفی بستگی دارند، مانند برآورد و دوره های ارزیابی پیش بینی، مدل اجرا شده، متغیرهای اقتصاد کلان در نظر گرفته شده و افق پیش بینی. علاوه بر این، تنها چند مطالعه اقدامات مربوط به پیش بینی مقایسه ای را با مدل های غیرخطی از دیدگاه بین المللی در نظر گرفته اند. به عنوان مثال برای تحلیل های G7 و کشورهای ناحیه اروپایی به مارسلینو، راپاچ و ووهار (2006) و تراسویرتا و همکاران مراجعه کنید. بر خلاف آن چه گفته شد، رکود بزرگ که در سال های 2009- 2008 رخ داد یکی از وقایع اقتصاد کلان مهم و واقعاً غیرقابل پیش بینی است که بزرگی آن خارج از حیطه انتظارات اکثر پیش بینی کنندگان حرفه ای است. در واقع، شاخص های اقتصاد کلان و مالی برای اکثر اقتصادهای پیشرفته و نوظهور OECD است که افت های بزرگ و ناگهانی را تقریباً به طور همزمان تجربه کرده اند. در نتیجه، با توجه به سازمان های بین المللی مختلف، از جمله OECD و IMF، رشد جهانی سالانه GDP در سال 2009 برای اولین بار از سال 1970 منفی بود. در مورد ایالات متحده، استوک و واتسون (2010) چنین استدلال کرده اند که رکود توسط سلسله مراتب شوک های بزرگ غیرعادی یعنی شوک اولیه نفت و پس از آن شوک های مالی و نامعلوم رخ داده است. هدف این مقاله از دیدگاه سیرنزولی شدید مشاهده شده در شاخص های اصلی اقتصاد کلان ارائه مدل های غیرخطی و در نظر گرفتن مسائل مربوط به توصیف مناسب حرکت های تند و تیز توسط ویژگی های غیرخطی است. برای این منظور، توانایی پیش بینی مدل های غیرخطی را در مقایسه با مشخصه های خطی معیار واقع در مرکز یک کادر و واقعه رکود بزرگ در اطراف آن گزارش می دهیم. به طور ویژه، عملکردهای پیشگویانه مجموعه ای از مدل های غیرخطی تک متغیره را در دوره ای از 2004Q1 تا 2009Q4 ارزیابی می کنیم. تحلیل اقتصادسنجی به طور گسترده در پایگاه داده بزرگ کل کشور از هر سه ماه یک بار انجام شده است، که شامل 19 متغیر مهم حقیقی و مالی و 19 کشور توسعه یافته و نوظهور OECD است. نتایج تجربی برای افق های پیش بینی مختلفی ارزیابی شده اند و ارزیابی پیشرفت بر اساس ظرفیت توابع اتلاف معمولی (میانگین خطای مربع پیش بینی) و تست هایی برای قابلیت پیش بینی انجام می شود. نتایج گردآوری شده برای تحلیل جامع در مقطع متغیر و مقطع کشوری واقعه رکود بزرگ نشانگر توانایی پیش بینی متوسط مدل های غیرخطی است: به طور میانگین، مشخصه های غیرخطی برای حدوداً 45%- 40% از سری های اقتصادکلان بهتر از معیار خطی عمل می کنند. علاوه بر این، هیچ گونه پیشرفت واضحی در دقت پیش بینی این مدل ها در دوره رکودبزرگ نسبت به دوره قبل از بحران وجود ندارد. برخلاف یافته ها، پیش بینی مربوط به گروهی از متغیرها (مثلاً میزان سود و قیمت ها) بر اساس مشخصه های غیرخطی نتایج جالبی نشان می دهند. لازم به ذکر است که در دوره رکود بزرگ مشخصه های متغیر با زمان بهتر از سایر مدل های غیرخطی در تحلیل عمل می کنند و همین نشانگر این است که ضرایب پارامترسازی انعطاف پذیر می توانند با شوک های بزرگ اقتصاد کلان به طور مؤثر مواجه شوند. به هر حال، نتایج پیش بینی حاصل از مشخصه های متغیر با زمان بسیار مکرر اما کوچک هستند. در حالی که مدل های آستانه نتایج غیررایج اما بزرگ ارائه می دهند. به طور کلی، یافته های ما بیشتر تفاسیر اقتصادی روکود بزرگ را که اخیراً توسط استاک و واتسون (2012) ارائه شده اند تأیید می کنند، آن ها ادعا کرده بوده که این دوره را به جای افزایش در درجه با توالی شوک های بزرگ غیرعادی بهتر می توان توصیف کرد. این مقاله به ترتیب روبرو تهیه شده است. مدل های پیش بینی در بخش 2 آمده اند، در حالی که طرح آزمایش با جزئیات در بخش 3 آمده است. نتایج تجربی در بخش 4 آمده اند. بخش 5 مربوط به خلاصه و نتیجه گیری ها است.
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی اقتصاد کلان در زمان رکود بزرگ: بازگشت غیرخطی؟

چکیده انگلیسی

The debate on the forecasting ability of non-linear models has a long history, and the Great Recession episode provides an interesting opportunity for a re-assessment of the forecasting performances of several classes of non-linear models. An extensive analysis is performed over a broad cross-country database of the main macroeconomic indicators. The results suggest that, on average, non-linear models cannot outperform standard linear specifications, even during the Great Recession episode. However, non-linear models do lead to an improvement in predictive accuracy in almost 40%–45% of cases, and interesting specific patterns arise across models and variables, though in general the gains are limited. Overall, our findings are consistent with the hypothesis that describes this recent recession episode as a sequence of unusually large shocks, rather than as an increase in the degree of non-linearity in the stochastic processes underlying the main macroeconomic time series.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.