Can Bayesian econometric methods outperform traditional econometrics in inflation forecasting?

Abstract

Vzhledem k tomu, že mnoho centrálních bank opustilo režim cílování peněžní zásoby a přešlo k režimu cílování inflace, stalo se předpovídání inflace zásadním, jak pro politické rozhodování, tak pro soukromé aktéry, kteří se snaží rozpoznat rozhodnutí centrální banky a reagovat na něj. Předpovídání inflace není jednoduché, neboť modely zahrnující jednu proměnnou, stejně jako strukturální makroekonomické modely, jsou, pokud se týká schopnosti předpovědi, překonávány naivní předpovědí, která je výsledkem modelu náhodné procházky. Cílem této práce je předpovídat inflaci v České republice použitím bayesovského ekonometrického modelu (konkrétně bayesovské vektorové autoregrese - BVAR). Bayesovské modely se osvědčily při předpovídání inflace ve vyspělých zemích (Fabio Canova: G-7 Inflation Forecasts: Random Walk, Phillips Curve or What Else?, 2007). Bayesovská ekonometrie je jednou z nejrychleji se rozvíjejících oblastí ekonometrie za poslední dvě desetiletí. Ve středu bayesovského přístupu leží bayesovská pravděpodobnostní teorie, která je založena na konceptu podmíněné pravděpodobnosti. Tento přístup je ovšem vpýočetně poměrně náročný a jeho praktické využití bylo umožněno teprve díky rychlému rozvoji výpočetní techniky. Odhady modelů jsou založené na kombinaci určitých předpokladů (priors) spolu s informací...

Forecasting of inflation rates has become crucial for both policy makers and private agents who try to understand and react to Central Bank decisions since many Central Banks implemented inflation targeting rules instead of control of monetary aggregates. Inflation forecasting is considered to be very complicated issue because univariate regression models and structural macroeconomic models are usually outperformed by naive random walk model. This work is intended for forecasting inflation in the Czech Republic by employing Bayesian econometric method (namely Bayesian Vector autoregression - BVAR). Bayesian methods proved to be useful in inflation forecasting in developed countries (Fabio Canova: G-7 Inflation Forecasts: Random Walk, Phillips Curve or What Else?, 2007). Bayesian econometrics is one of the most developing fields of econometrics for past two decades. In the centre of the approach is Bayesian probabilistic theory based on conditional probabilities. This probabilistic approach is, however, computationally demanding. Fast computer evolution enables wide applications of Bayesian models. Model estimations are based on combining information from some prior beliefs and from the data. Many different sorts of models have their Bayesian variants (e.g. OLS) but the emphasis in this work is on Bayesian...