Forecasting with Bayesian VARs

Does Larger Mean Better?

ผู้แต่ง

  • ภาวิน ศิริประภานุกูล คณะเศรษฐศาสตร์ มหาวิทยาลัยธรรมศาสตร์

คำสำคัญ:

Bayesian VARs, Macroeconomic Forecasting, Model Specification

บทคัดย่อ

ในทางทฤษฎีนั้นเราน่าจะเพิ่มความสามารถในการทำนายของแบบจำลอง Bayesian Vector Autoregressions (Bayesian VARs) ได้จากการเพิ่มตัวแปรเข้าไปในแบบจำลองดังกล่าว บทความนี้จะทำการทดสอบสมมุติฐานข้างต้นในเชิงประจักษ์ โดยเราจะเปรียบเทียบความสามารถในการทำนายตัวแปรสำคัญทางเศรษฐกิจ 3 ตัวแปรของแบบจำลอง Bayesian VAR ขนาดใหญ่ที่อาศัยตัว
แปรทั้งสิ้น 131 ตัวแปร กับแบบจำลองขนาดเล็กอื่นๆ โดยที่แบบจำลองขนาดเล็กที่สุดจะอาศัยตัวแปรเพียงแค่ 3 ตัวเท่านั้น ในการเปรียบเทียบความสามารถในการทำนายครั้งนี้เราให้ความสำคัญกับค่า hyperparameter ตัวหนึ่ง ซึ่งทำหน้าที่เป็นตัวกำหนดค่าความแปรปรวนโดยรวมของตัว Prior Distribution ในการประมาณค่าแบบ Bayesian ด้วย เราพบว่าการกำหนดค่า hyperparameter
ดังกล่าวจะส่งผลกระทบต่อความสามารถในการทำนายของแบบจำลองขนาดต่างๆ เป็นอย่างมากภายหลังจากความพยายามหาค่า hyperparameter ที่เหมาะสมให้กับแต่ละแบบจำลองผลลัพธ์ที่ได้จากการศึกษาของเราสนับสนุนแนวคิดที่ว่าแบบจำลอง Bayesian VAR ขนาดใหญ่จะมีความสามารถในการทำนายที่เหนือกว่าแบบจำลองขนาดเล็กกว่า

References

1. Bańbura, M., D. Giannone, and L. Reichlin (2008). Large Bayesian VARs. Working Paper Series 966, European Central Bank.
2. Bernanke, B.S., J. Boivin, and P.S. Eliasz (2005). Measuring the effects of monetary policy: A factor-augmented vector autoregressive (FAVAR) approach. The Quarterly Journal of Economics 120(1), 387 – 422.
3. Bernanke, B.S., and J. Boivin (2003). Monetary policy in a data-rich environment. Journal of Monetary Economics 50(3), 525 – 546.
4. Christiano, L.J., M. Eichenbaum, and C.L. Evans (1999). MNonetary policy shocks: What have we learned and to what end? In J.B. Taylor and M. Woodford (Eds.), Handbook of Macroeconomics, Volume 1, Chapter 2, pp. 65 – 148. Elsevier.
5. D’Agostino, A. and D. Giannone (2007). Comparing lternative predictors based on large-panel factor models. CEPR Discussion Papers 6564, Center of Economic Policy Research.
6. Forni, M., M. Hallin, M. Lippi, and L. Reichlin (2000). The generalized dynamic-factor model:Identification and estimation. The Review of Economics and Statistics 82(4), 540 – 554.
7. Forni, M., M. Hallin, M. Lippi, and L. Reichlin (2003). Do financial variables help forecasting inflation and real activity in the Euro area? Journal of Monetary Economics 50(6), 1243-1255.
8. Kadiyala, K.R. and S. Karlsson (1997). Numerical methods for estimation and inference in Bayesian VAR-models. Journal of Applied Econometrics 12(2), 99 – 132.
9. Litterman, R.B. (1986). Forecasting with Bayesian vector autoregressions – Five years of experience. Journal of Business and Economic Statistics 4(1), 25 – 38.
10. Magnus, J.R. and H. Neudecker (1999). Matrix Differential Calculus with Applications in Statistics and Econometrics (2nd ed.). John Wiley & Sons.
11. Robertson, J.C. and E.W. Tallman (1999). Vector autoregressions: Forecasting and reality.
12. Federal Reserve Bank of Atlanta Economic Review 84(1), 4 – 18.
13. Stock, J.H. and M.W. Watson (2002a). Forecasting using principal components from a large number of predictors. Journal of American Statistical Association 97, 1167 – 1179.
14. Stock, J.H. and M.W. Watson (2002b). Macroeconomic forecasting using diffusion indexes. Journal of Business and Economic Statistics 20(2), 147 – 162.
15. Stock, J.H. and M.W. Watson (2005). Implications of dynamic factor models for VAR analysis. NBER Working Papers 11467, National Bureau of Economic Research.
16. Zha, T. (1998). A dynamic multivariate model for use in formulating policy. Federal Reserve Bank of Atlanta Economic Review 83(1), 16 – 29.

Downloads

เผยแพร่แล้ว

2018-07-31

How to Cite

ศิริประภานุกูล ภ. (2018). Forecasting with Bayesian VARs: Does Larger Mean Better?. Thailand and The World Economy, 28(1), 1–34. สืบค้น จาก https://so05.tci-thaijo.org/index.php/TER/article/view/137338