Forecasting with Bayesian VARs
Does Larger Mean Better?
คำสำคัญ:
Bayesian VARs, Macroeconomic Forecasting, Model Specificationบทคัดย่อ
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
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.
