Семинары

01.11.2023 ОНЛАЙН-СЕМИНАР "Прикладная статистика и моделирование реальных процессов"

1 ноября 2023 года, в среду, начало в 16 часов.

Заседание семинара проводится в формате ZOOM–конференции
Ссылка для входа в ZOOM конференцию:
Научный семинар "Прикладная статистика и моделирование реальных процессов"
Время: 1 нояб. 2023 16:00 Москва
Подключиться к конференции Zoom
https://us02web.zoom.us/j/81556039271?pwd=ZlZZVk1NWGVraEtjWVF6ZFlVc3U3UT09
Идентификатор конференции: 815 5603 9271
Код доступа: 442357

Программа заседания:

Станкевич Иван Павлович, (Высшая школа экономики)
Наукастинг ВВП России и его компонент с использованием MIDAS-моделей с марковским переключением

Аннотация:
Наукастинг – оценка текущего уровня публикующихся с задержкой показателей на основе значений более оперативных индикаторов – является важной задачей с точки зрения оперативной подстройки действий экономических агентов под изменяющиеся макроэкономические условия, в кризисные же периоды актуальность задач наукастинга становится ещё выше.

В работе рассматривается вопрос наукастинга (оценки текущего уровня) ВВП России и его компонент с использованием MIDAS-моделей с марковским переключением, в том числе – с эндогенным переключением, когда вероятность смены режима определяется внешними факторами. Недооценка глубины спада в кризисные периоды, особенно в начале кризиса, является достаточно распространённой проблемой для большинства стандартных наукастинговых моделей. Модели с марковским переключением позволяют получать отдельные модели изучаемого процесса для разных внешних условий (к примеру, спокойных и кризисных периодов), и за счёт этого – более корректно описывать временные ряды с неоднородной структурой, что может положительно сказаться в том числе на качестве наукастинга.

В работе подробно анализируется модификация одной из самых популярных в области наукастинга MIDAS-модели с марковскими переключениями для случая двух режимов. Рассматриваются разные способы получения наукастов на основе полученных результатов: взвешенные по вероятностям нахождения в том или ином режиме в следующий период времени, по наиболее вероятному режиму, в условиях правильного предсказания режима. Одновременно с этим рассматривается два способа введения в модель объясняющих переменных: в исходном виде и в виде главных компонент, что перекликается с идеологией другого популярного класса моделей наукастинга – факторных моделей. Проводится сравнение качества работы предлагаемой модели со стандартными моделями наукастинга: ограниченными и неограниченными MIDAS- моделями, MIDAS-моделью с L1-регуляризацией и MFBVAR-моделью (байесовской векторной авторегрессией смешанной частоты). Изучается поведение модельных прогнозов в зависимости от объёма доступной при построении наукаста информации: отдельно рассматривается качество наукастов, построенных с использованием фактических значений объясняющих переменных за все три месяца квартала, за первые два и только за первый.

Показано, что среди всех протестированных моделей максимальная точность обеспечивается MIDAS-моделями с эндогенным марковским переключением, различия в качестве прогнозов моделей с переключением и лучшей из моделей без переключения проверяются при помощи теста Диболда-Мариано и для ряда изучаемых показателей оказываются статистически значимыми. MIDAS-модели с марковским переключением любого вида стабильно работают лучше стандартных MIDAS-моделей и MFBVAR- моделей для большинства рассмотренных рядов данных, при этом модели с марковским переключением способны корректно оценить как глубину спада, так и момент максимального снижения темпов роста ВВП во время кризисных периодов 2020 и 2022 гг.