ارزيابي نشان‌گرهاي پيشرو براي توليد ناخالص داخلي ايران

Leading indicators for Iran's GDP

اين مقاله به دنبال ارزيابي متغيرهايي است كه مي‌توانند به‌صورت بالقوه به‌عنوان نشان‌گر پيشرو براي پيش‌بيني چرخه ­هاي تجاري در اقتصاد ايران در نظر گرفته شوند. متغير توليد ناخالص داخلي بدون نفت به‌عنوان متغير هدف در نظر گرفته شده است. از يك مجموعه متشكل از 265 متغير با تواتر فصلي در بازه زماني 1367:1-1387:2 كه با شش تبديل از آن‌ها مجموعاً 1590 سري زماني را تشكيل مي‌دهند، به‌عنوان نشان‌گرهاي پيشرو بالقوه استفاده شده است. معيارهاي تعداد نقاط مفقوده، هشدارهاي نادرست، هشدارهاي ديرهنگام، ميزان تطابق دوران ركود و رونق نشان‌گر و سري هدف و انحراف معيار تقدم در پيش‌بيني به تفكيك نقاط اوج (شروع ركود) و حضيض (پايان ركود) براي هر سري زماني، محاسبه و ارائه شده است. در اين مطالعه نشان داده مي‌شود كه نمي‌توان مجموعه‌اي از متغيرها را يافت كه به لحاظ تمامي معيارهاي فوق، عملكرد مطلوبي داشته باشند. اين در حالي است كه ‌20 متغير قابليت نسبتاً خوبي در شناسايي نقاط چرخش دارند و 6 متغير قابليت نسبتاً مطلوبي به لحاظ انحراف معيار تقدم در پيش‌بيني دارند. «شاخص قيمت مصرف‌كننده-بهداشت و درمان»، «ماليات بر اشخاص حقوقي» و «اسكناس و مسكوك در دست اشخاص» ازجمله متغيرهايي هستند كه عملكرد پيش­ بيني آن‌ها براساس معيارهاي ارزيابي فوق­الذكر از ساير متغيرها بهتر است و به لحاظ وقفه انتشار عمومي نيز وضعيت مناسبي دارند.

In this paper, we examine all the macroeconomic time series which can be considered as potential leading indicators of the state of real activity in Iran, to find the best leading indicators. According to Einian and Barakchian (1393), Nonoil GDP show the fluctuations of real activity in Iran better than other variables. Hence, in our study we consider Non-oil GDP as the target variable and the dating of the business cycles are identified following Einian and Barakchian (1393). 265 macroeconomic variables, obtained from the data sets released by the Central Bank of Iran, are used to construct 1590 potential leading indicators; 6 kinds of transformations are applied to each variable in order to generate 1590 series. These time series are quarterly series which span the period of 1367Q1 to 1387Q2. The number of Missing Points, False Alarm Points, Late Alarm Points, Concordance, and Standard Deviation in forecasting peaks and troughs are used as the main criteria to evaluate the potential leading indicators. The results show that no variable does well in terms of all the criteria; however, there exist 20 variables which performs well in forecasting peaks and troughs and there exist 6 variables which perform well in terms of the standard deviation of the forecasts. Therefore, selecting a set of potential leading indicators to construct a composite leading indicator for non-oil GDP depends entirely on the importance of each criterion for the institutes/researchers who develop the composite leading indicator. We also evaluate the potential leading indicators based on their release lags in the Central Bank's publications. Samaee and Atrianfar (1390) have shown that the national accounts' data have the longest lag (more than 6 months on average), and therefore, we suggest to diminish their role in constructing the composite leading indicator.