8/2016 Nicolas Reigl. Eesti inflatsioonimäära prognoosimine faktormudelite abil
Eesti Panga Toimetised 8/2016
Forecasting the Estonian Rate of Inflation using Factor Models
Inflatsiooniarengute jälgimine ja prognoosimine on Eestis oluline nii keskpanga kui ka poliitikakujundajate jaoks. Seejuures on inflatsioonimäära prognoosimine üksnes paarile muutujale tuginevate lihtsamate mudelitega osutunud üsna keeruliseks, arvestades
Eesti majanduse väiksust ja avatust. Kuivõrd viimastel aastatel on tehtud majandusteadlastele kättesaadavaks varasemast rohkem finants- ja makromajanduslikke aegridu, võimaldab see kasutada prognoosimisel faktormudeleid. Just viimased võimaldavad kokku võtta suurt hulka näitajaid sisaldavas ulatuslikus andmestikus leiduva informatsiooni.
Käesolevas toimetises vaadeldakse esmalt seda, kas ja kuidas saaks faktormudeli abil prognoosida Eesti kogu- ja alusinflatsiooni. Teiseks analüüsitakse, kuidas mõjutab prognoosivõrrandis sisalduvate faktorite arv prognoosi täpsust. Kolmandaks uuritakse, millist mõju avaldab faktoritele ja seega ka prognoosi tulemustele see, kui suuremahulisest andmestikust jäetakse välja eeldatavasti olulised muutujad.
Uurimuses kasutatakse andmeid aastatest 2004–2014, hõlmates kokku 388t makro- ja mikromajanduslikku ning finantsaegrida. Nende andmete põhjal eraldati faktorid, mis lisati seejärel mudelisse, mille abil prognoositi Eesti kvartaalset inflatsiooni aastatel 2011–2014. Selleks, et uurida andmestiku suuruse mõju prognoosi tulemustele, jäeti suuremahulisest andmehulgast välja kodu- ja välismaised hinnanäitajad. Niiviisi loodi teine, 246st muutujast koosnev väiksem andmestik. Saadud faktorid lisati hiljem mudelisse, mida nimetatakse faktoritega täiendatud vektorautoregressiivseks mudeliks (ingl factor-augmented vector autoregressive model), mis sisaldas ka inflatsioonimäära. Selle faktormudeli prognoositulemusi võrreldi autoregressiivse mudeli tulemustega, mille puhul prognoositi inflatsioonimäära ainult tema enda ajalooliste tasemete alusel. Prognoosivigade hindamiseks võrreldi nii faktormudeli kui ka autoregressiivse mudeli tulemusi tegeliku inflatsioonimääraga.
Tulemuste põhjal saab öelda, et faktormudeli prognoos on mitmel juhul parem kui autoregressiivse mudeli prognoos, kuid see erinevus on üpris väike. Lisaks näitavad tulemused, et piisab mudeli täiendamisest ühe faktoriga, et see annaks täpsema tulemuse kui võrdlusalusena kasutatav autoregressiivne mudel, kui nimetatud faktor eraldatakse suurest andmestikust. Eesti alusinflatsiooni prognoosimisel ei ole faktormudeli tulemus võrdlusmudelist oluliselt parem.
Andmestikust kodu- ja välismaiste tarbijahinnanäitajate välja jätmine ei tee faktormudeli prognoositulemusi kehvemaks. Analüüsi põhjal võib siiski teha järelduse, et selleks, et saavutada võrdlusmudeli omaga sarnane tulemus, tuleb prognoosivõrrandit täiendada esimese, teise ja kolmanda faktoriga. Üllataval kombel selgub, et sama kolmefaktorilise mudeli kasutamisel on alusinflatsiooni arvutamise prognoosiviga kuni 27 protsendipunkti väiksem. Stabiilsuskontrollid (ingl robustness tests) aga näitavad, et kui faktorid eraldatakse väiksemast andmestikust, on prognoosivigade jaotus esimest kolme faktorit sisaldavate mudelite puhul vähem stabiilne.
Kokkuvõttes võivad faktormudelid aidata Eesti kogu- ja alusinflatsiooni prognoosida, kuid prognoositulemused olenevad andmestiku suurusest ja prognoosivõrrandisse lisatud faktorite arvust. Eesti puhul toetavad analüüsitulemused seda, et esimene faktor tuleks võtta suhteliselt suurest andmestikust, seejärel tuleb see koos inflatsioonimääraga lisada faktoritega täiendatud vektorautoregressiivse mudeli prognoosivõrrandisse.
DOI: 10.23656/25045520/82016/0002
Autori kontakt: [email protected]
Toimetise autori arvamused ei pruugi ühtida Eesti Panga ametlike seisukohtadega
