پيش‌بيني تورم اقتصاد ايران با استفاده از مدل dsge-var (تئوري و تكنيك)

Forecasting Iran's Economy Inflation with DSGE-VAR Model (Theory and Technique

نرخ تورم يكي از متغيرهاي كليدي اقتصاد است كه پيش‌بيني دقيق آن مدنظر سياست‌گذاران و به‌ويژه بانك مركزي است. مدل خود رگرسيون برداري (var) سابقه طولاني به‌عنوان ابزاري جهت پيش‌بيني و تجزيه و تحليل‌هاي سياستي دارد، اما از مشكلات اين روش آن است كه از مباني نظري اندكي در خصوص روابط بين متغيرها استفاده مي‌كند؛ بعلاوه در مدل‌هاي var تعداد زيادي پارامتر نياز است تخمين زده شود كه برخي از آن‌ها ممكن است بي‌معني نيز باشند؛ به دنبال اين موضوع، ايده مدل‌هاي تركيبي مطرح شد. يكي از انواع مدل‌هاي تركيبي، مدل dsgevar است. اين مدل، dsge را كه مدلي ساختاري است و اتكاي بيشتري بر تئوري دارد با var كه فراهم‌كننده برازش بهتري از داده‌ها است، تركيب مي‌كند. در اين مطالعه ابتدا ساختار نظري و نتايج تخمين مدلdsgevar براي داده‌هاي اقتصاد ايران بيان شده و در ادامه پيش‌بيني‌هاي حاصل از اين روش در مقايسه با‌ مدل‌هاي رقيب ازجمله var نامقيد و var مينسوتا بررسي شده است. هر سه مدل به‌صورت بازگشتي براي دوره زماني 1370:1 تا 1391:4 تخمين زده‌شده‌اند و سپس جهت پيش‌بيني تورم در افق 1 تا 8 فصل رو به جلو و براي نمونه 1390:1 تا 1393:4 استفاده شده‌اند. مقايسه دقت پيش‌بيني روش‌هاي فوق با استفاده از شاخص rmse، نشان‌دهنده عملكرد بهتر روش dsgevar در قياس با مدل‌هاي رقيب، طي دوره زماني مورد بررسي است.

Inflation is one of the key macroeconomic variables that its precise forecasting is the goal of policy makers and in particular the central bank.VAR model has a long history as a tool for forecasting and policy analysis; but the problem with this method is that it uses a little theoretical information about the relationships between variables. In addition, in VAR models, many parameters need to be estimated, some of them may be meaningless. Following this, the idea of hybrid models was introduced. One of the hybrid models is the DSGE-VAR model. This model combines DSGE, which is a structural model and more reliant on theory, with a VAR that provides better fitting data. In this study at the beginning, the theoretical structure and results of the estimation of the DSGE-VAR model for Iran's Economic Data are presented. Further, the forecasting of this method are compared with other models such as unrestricted VAR and Minnesota VAR. All three models are estimated recursively from the period 1991:1 to 2012:4 and then used to forecast inflation for one to eight-quarters-ahead over an out-of sample from 2011:1 to 2015:4. Comparison of the accuracy of forecasting of the above methods using the RMSE index shows a better performance of the DSGE-VAR approach compared to other models.