پيش‌بيني رشد اقتصادي ايران به كمك الگوي داده‌هاي تركيبي با تواتر متفاوت

Forecasting Iranian’s Economic Growth Using Mixed Frequency Data Sampling Technique

رشد اقتصادي كه در اين مقاله توسط رشد توليد ناخالص داخلي به قيمت عوامل اندازه‌گيري شده، عمده­ ترين متغيري است كه مي­توان بر اساس آن عملكرد كلي اقتصاد را مورد قضاوت قرار داد. پيش­بيني اين رشد به مسئولين اقتصادي كمك مي­كند تا تصويري از شرايط آينده اقتصاد را در اختيار داشته و در صورت لزوم سياست­هاي اقتصادي خاصي را اتخاذ نمايند. در اين مقاله با استفاده از روشي كه اخيرا توسط گيزلز، سانتاكلارا و والكانو در سال2004 ابداع شده­است به پيش­ بيني رشد اقتصادي به صورت فصلي پرداخته شده است. اين روش كه «الگوي داده­هاي تركيبي با­تواتر متفاوت (ميداس) » نام گرفته است امكان مي­دهد تا متغيرهاي با تواتر زماني مختلف، مثلا فصلي، ماهانه و هفتگي بتوانند در كنار هم در يك معادله رگرسيوني قرار گيرند. حسن وجود متغيرهاي توضيح دهنده با تواتر زياد براي توضيح متغير وابسته كم­تواتر در اين است كه به محض انتشار داده­هاي جديدي براي متغيرهاي پرتواتر مي­توان در مقدار پيش ­بيني متغير كم­تواتر تجديد نظر كرد. مقايسه پيش­بيني­هاي ارائه شده توسط الگوي برآورد­شده در اين مقاله براي رشد توليد ناخالص ­داخلي با داده­هاي­واقعي فصل­هايي كه در برآورد اوليه الگو مورد استفاده قرار نگرفته ­اند حاكي از قدرت پيش­بيني بسيار دقيق الگو است. اين الگو نرخ رشد اقتصادي فصل پاييز سال 1393 را در برآورد اوليه1/8 % و سپس با اطلاع از كاهش قيمت نفت در ماه­هاي اخير نهايتا پس از تجديد نظر معادل 1/5% پيش‌بيني مي­كند. اين نرخ براي فصل زمستان سال 1393 به ميزان 2/2- % پيش‌بيني شده است. بدين ترتيب پيش­بيني مي­شود اقتصاد ايران در سال 1393 از رشدي معادل 1/9% برخوردار باشد.

Economic growth, measured by Gross Domestic Product rate of growth in this paper, is the most single indicator revealing the overall performance of the economy. Forecasting economic growth helps the policy makers to visualize the future state of the economy and undertake some policy actions if necessary. In this paper we use the recently introduced method by Ghysels, Santa-Clara and Valkanov (2004) to forecast economic seasonal growth rate. This method, which is named Mixed frequency Data Sampling technique (MIDAS), facilitate the use of variables with different high and low frequencies in on regression. The presence of high frequency variables in the regression equation allows us to revise the previous forecasted value as soon as new data for the high frequency variable is released. Comparing the forecasts made by the regression with that of the retained growth rate observations, indicate that the forecasted values are very accurate. An earlier prediction of economic growth rate for the fall of 1393 by the model is to be 1.8%. But as new monthly data for the high frequency explanatory variables became available, the forecasted value was revised to be 1.5%. We predict the GDP growth rate for the winter of 1393 to be -0.11%. In such a case the Iranian annual economic growth rate would not be more than 2.3 percent relative to the year 1392.