AbstractsEconomics

Talousennusteilla on keskeinen vaikutus kuluttajien, sijoittajien sekä raha- ja finanssipolitiikan harjoittajien päätöksiin. Talousennusteiden tärkeästä yhteiskunnallisesta asemasta johtuen ekonomistit laativat ennusteita keskeisistä makrotaloudellisista muuttujista, kuten bruttokansantuotteen (BKT) kasvusta ja kuluttajahintainflaatiosta. Ekonomistit kokevat usein tarkkojen makrotaloudellisten ennusteiden laatimisen vaikeaksi. On olemassa useita syitä sille, miksi makrotaloudellinen ennustaminen on niin haastavaa. Ensinnäkin talousteoria on harvoin niin täsmällinen, että se määrittelisi ennustemallin funktiomuodon tai edes sen, mitä ennakoivia muuttujia tulisi sisällyttää ennustemalliin. Tästä syystä käytettävän ennustemallin valintaan liittyy huomattavaa epävarmuutta. Toiseksi useat makrotaloudelliset aikasarjat ovat kokeneet rakennemuutoksia. Nämä rakennemuutokset voivat johtua esimerkiksi kuluttajien kulutustottumusten, tuotantoteknologian tai institutionaalisten rakenteiden muutoksista. Aikaisemman empiirisen ennustekirjallisuuden perusteella rakennemuutokset vaikuttavat merkittävästi ennustemallien ennustetarkkuuteen. Lisäksi useiden makrotaloudellisten muuttujien arvot julkaistaan pitkällä viiveellä ja julkaistuja arvoja päivitetään yli ajan. Nämä päivitykset voivat olla hyvin suuria, mikä vaikeuttaa entisestään tarkkojen reaaliaikaisten ennusteiden laatimista. Tämä väitöskirja koostuu johdantoluvusta ja neljästä makrotaloudellista ennustamista käsittelevästä esseestä. Johdantoluvussa keskustellaan siitä, miten olennaisesti ennustemalliin liittyvä epävarmuus, rakennemuutokset ja aineiston päivittäminen vaikuttavat makrotaloudelliseen ennustamiseen. Väitöskirjan kaksi ensimmäistä esseetä analysoivat sitä, miten autoregressiiviset ennusteet tulisi laatia silloin, kun ennustettavassa aikasarjassa on tapahtunut rakennemuutos ja sarjan havaintoarvoja päivitetään yli ajan. Ensimmäisessä esseessä tarkastellaan ennustemallien parametrien estimointi-ikkunan valintaa tilanteessa, jossa aikasarjan havaintoja päivitetään yli ajan ja sarjassa on tapahtunut rakennemuutos juuri ennen ennusteen laatimishetkeä. Esseen Monte Carlo simulaatiotulokset ja empiiriset tulokset Yhdysvaltojen reaaliselle BKT:lle ja inflaatiolle osoittavat, että laajeneva estimointi-ikkuna tuottaa tällaisessa tilanteessa tyypillisesti kaikkein tarkimmat ennusteet. Toinen essee vertailee erilaisten useiden askelien ennustemenetelmien ennustetarkkuutta silloin, kun ennustettavassa aikasarjassa on tapahtunut rakennemuutos. Monte Carlo simulaatioiden perusteella rakennemuutoksen tyyppi ja ajankohta vaikuttavat ennustemenetelmien suhteelliseen ennustetarkkuuteen. Iteratiivinen menetelmä tuottaa tyypillisesti tarkimmat ennusteet, erityisesti silloin kun parametreihin kohdistuu vain pieniä muutoksia. Yhdysvaltojen reaaliaikaisten tuotanto- ja inflaatiosarjojen empiirinen analysointi osoittaa, että vaihtoehtoiset usean askeleen ennustemenetelmät tuottavat vain harvoin tarkempia ennusteita kuin iteratiivinen ennustemenetelmä. Väitöskirjan kaksi…