Inside Into Aalto.fi
School of Business publications portal
Aaltodoc publication archive
Aalto University School of Business Master's Theses are now in the Aaltodoc publication archive (Aalto University institutional repository)
School of Business | Department of Economics | Economics | 2016
Thesis number: 14770
Macroeconomic forecasting and data revisions: linear univariate GDP forecasting when revision process is characterized by news or noise: theory and evidence for Finland
Author: Kolehmainen, Roope
Title: Macroeconomic forecasting and data revisions: linear univariate GDP forecasting when revision process is characterized by news or noise: theory and evidence for Finland
Year: 2016  Language: eng
Department: Department of Economics
Academic subject: Economics
Index terms: kansantaloustiede; kansantalous; laskentatoimi; ennusteet; makrotalous; tieto; muutos; tietämyksenhallinta
Pages: 55
Full text:
» hse_ethesis_14770.pdf pdf  size:2 MB (1676684)
Key terms: forecasts; ennusteet; econometrics; ekonometria; time series; aikasarja-analyysi; bruttokansantuote; gross national product
Abstract:
Kansantaloudellisen tilinpidon data tarkentuu ajan kuluessa, mikä voi huomattavasti vaikeuttaa makrotaloudellisten ennusteiden laadintaa. Kaksi ennustusmallia, jotka perustuvat samaan otosdataan, mutta joissa otokset ovat eriasteisesti tarkentuneita (ts. otosdatat ovat kerätty eri ajankohtina), voivat tuottaa merkittävästi erilaisia ennusteita. Datan tarkentuminen (datarevisiot) hankaloittaa myös ennustus-tarkkuuksien arviointia ja saattaa johtaa harhaanjohtaviin tulkintoihin ennustusmallien tehokkuudesta.

Tässä tutkimuksessa tutkin datarevisioiden vaikutusta ennustusmalleihin, -tuloksiin ja -tarkkuuksiin lineaaristen yhden muuttujan mallien avulla. Esitän teoreettisessa analyysissä, kuinka datarevisiot vaikuttavat ennustamiseen ko. mallien kautta. Empiiriset analyysit perustuvat suomalaiseen reaaliaikaiseen, reaaliarvoiseen bruttokansantuotteen kvartaalidataan.

Empiirinen analyysi koostuu kolmesta kokonaisuudesta. Tarkastelen ensin datarevisioiden satunnaisuutta (tunnetaan kirjallisuudessa news- ja noise-erotteluna). Seuraavaksi analysoin ennusteajankohdan eli datavuosikertojen vaikutusta BKT:n ennustustuloksiin, -malleihin ja -tarkkuuksiin. Viimeiseksi laadin Monte Carlo -simulaation, jossa tarkastelen revisioiden satunnaisuuden, ennustusmallin dataotosten ja realisaatioiden vuorovaikutuksia. Ennustusmalleja vertaillessa verrataan keskenään reaaliaikaiseen dataotokseen ja viimeisimpään dataan perustuvia malleja. Realisaatioina käytetään ensimmäisiä julkaisuja, vuosi ensimmäisen julkaisun jälkeen julkaistuja arvoja sekä viimeisimmän datavuosikerran arvoja.

Suomalaisen reaaliaikaisen kvartaali-BKT:n tarkentuminen on lähes puhdas news-prosessi. Mm. revisioiden varianssi kasvaa suhteessa aikaan, revisiot korreloivat myöhempien julkaisuiden kanssa ja aiempien ja myöhempien julkaisuiden välinen systemaattisten poikkeavuuksien suhteellinen osuus on lähes olematon. Revisioissa ei myöskään ole havaittavissa tilastollisesti merkitseviä vinoumia. Ennustussimulaatioissa revisioilla havaittiin olevan kokonaisuudessaan merkittävä vaikutus ennustuksiin. Ennustustarkkuus-vertailuissa tilastollisesti merkitseviä poikkeavuuksia mallien välille syntyi kuitenkin vain käyttämällä viimeisimpään datavuosikertaan nähden selvästi aiempaa osaotosta. Monte Carlo -analyysi antoi viitteitä siitä, että revisioiden satunnaisuutta arvioimalla voidaan valita ennustusmallin otosdata riippuen ennustettavasta arvosta. Simulaatiot tuottivat johdonmukaisia ja poissulkevia riippuvuussuhteita revisioprosessien, ennustusmallien ja realisaatioiden välille sekä yksittäisille ennustushorisonteille ja keskiarvoisesti kaikille kokeessa käytetyille parametreille.
Electronic publications are subject to copyright. The publications can be read freely and printed for personal use. Use for commercial purposes is forbidden.