Книги
Улучшает ли учет компонентов ИПЦ качество прогнозов инфляции?
Крамков, В. Улучшает ли учет компонентов ИПЦ качество прогнозов инфляции? / В. Крамков; Центральный банк Российской Федерации, Волго-Вятское главное управление Центрального банка Российской Федерации. — Москва : Банк России, март 2023. — 32 с.: граф., табл.. — (Серия докладов об экономических исследованиях; № 112). — Библиогр.: с. 27-29.
Аннотация
С применением панели данных российских регионов за период с 2010 по 2021 г. нам удается частично подтвердить пользу дезагрегированного подхода. Индивидуальное моделирование краткосрочной динамики цен отдельных товарных групп опережает по точности модели инфляции в целом, включая и стандартные модели-бенчмарки, но лишь при определенных условиях. Во-первых, необходим учет факторов трендовой инфляции, помогающий отделить устойчивое ускорение/замедление инфляции от краткосрочных идиосинкразических флуктуаций. Во-вторых, модели должны обладать свойством схождения инфляции к своему долгосрочному уровню, определяемому целью Банка России. В этих условиях дезагрегированный подход дает на коротких горизонтах более точный прогноз, чем агрегированный, и сопоставимый по точности с неструктурными моделями на более длинных.
Ключевые слова
- #волго-вятское гу
- #данные
- #издания банка россии
- #индекс потребительских цен
- #инфляционные ожидания
- #инфляция
- #исследования
- #исследовательская деятельность
- #показатели инфляции
- #показатели экономические
- #прогнозные модели
- #работы сотрудников территориальных учреждений
- #россия
- #уровень инфляции
- #шоки
- #эконометрика
- #эконометрические методы
- #эконометрические модели
- #экономика
-
УДК:330.43
-
DOI: DOI — Digital Object Identifier — цифровой идентификатор объекта. Современный стандарт обозначения объектов информационной деятельности в сети Интернет, позволяющий идентифицировать и искать научные данные, размещённые в сети Интернет и привязывать к объекту дополнительные метаданные. Номер DOI всегда остаётся неизменным, который позволяет найти объект, даже если сведения о нем не полные или не точные.
Рекомендовано к ознакомлению
- 1. Kramkov, V. Does CPI disaggregation improve inflation forecast accuracy? / V. Kramkov. — Moscow : Bank of Russia, march 2023. — 30 p.. — (Working Paper Series. # 112).
- 2. Габов, М.А. Сравнительный анализ моделей прогнозирования региональной инфляции / М. А. Габов, Т. В. Букина, Д. В. Кашин // Журнал Новой экономической ассоциации. — Москва, 2025 — N 4. — С.87-117.
- 3. Малюгин, В. Модели по данным смешанной частоты и их применение для наукастинга и причинного анализа индексов цен / В. Малюгин // Банковский вестник. — Минск, 2025 — N 8. — С.22-36.
- 4. Притчина, Л.С. Эконометрика / Л. С. Притчина, Ю. А. Кавин. — Москва : КноРус, 2023. — 382 с.. — (Бакалавриат). — ISBN 978-5-406-09603-1.
- 5. The Oxford handbook of Bayesian econometrics / editors: J. Geweke [et al.]. — Oxford : Oxford University Press, 2011. — XI, 558 p.. — ISBN 978-0-19-955908-4.
- 6. Handbook of econometrics / editors: S. N. Durlauf [et al.]. — Amsterdam : Elsevier, 2020. — 576 p.. — (Handbooks in Economics). — ISBN 978-0-444-63649-2.
- 7. Артамонов, Н.В. Введение в эконометрику / Н. В. Артамонов. — 3-е изд., испр. и доп.. — Москва : МЦНМО, 2019. — 252 с.. — ISBN 978-5-4439-1381-0.
- 8. Handbook of econometrics / editors: Z. Griliches, M. D. Intriligator. — Amsterdam : Elsevier, 2006. — P. 773-1461. — (Handbook in economics. № 2).
- 9. Handbook of econometrics / editor: Z. Griliches, M. D. Intriligator. — Amsterdam : Elsevier, 2005. — P. 1462-2110. — (Handbook in economics. № 2).
- 10. Щепелева, М.А. Построение системы опережающих индикаторов для прогнозирования валютного кризиса / М. А. Щепелева // Финансы : теория и практика. — Москва, 2025 — N 4. Том 29. — С.146-162.
Отзывы читателей
0