Apriorní nastavení BVAR modelů a jeho vliv na kvalitu predikční hustoty

Bc. Jakub Janek

Diplomová práce

Prior setting in BVAR models and its impact on the quality of forecast density

Abstract:

Bayesian VAR (BVAR) models are a popular tool for macroeconomic forecasting, which is evident from a large amount of literature. Their popularity started to become apparent when large models with appropriate shrinkage priors brought better forecasting results when compared to their smaller counterparts. This diploma thesis reviews commonly used shrinkage priors and discuss details about model estimation under these priors with the help of Bayesian statistics. Models with different priors, or their predictive densities, are then evaluated in the forecasting exercise. Models with different priors are estimated on data from the US and forecasts of GDP growth, unemployment rate, and PCE inflation are evaluated based on metrics such as RMSE, predictive log score, and tests of the correct specification for point integral transform(PIT) of forecast densities.

Abstract:

Bayesiánske VAR (BVAR) modely sú popúlarnym nástrojom na prognózovanie makroekonomických veličín, o čom svedčí aj množsto odbornej literátury. Ich rozmach však nastal, keď sa veľké VAR modely s vhodným apriórnym nastavením ukázali ako schopný nástroj na prognózovanie, ktorý dokonca v predikčných schopnostiach predčil dovtedy zaužívané menšie VAR systémy. Táto diplomová práca zhŕňa najčastejšie sa vyskytujúce apriórne nastavenia v súvisiacej literatúre, pomocou čoho približuje podrobnosti ohľadom odhadu modelov s týmito nastaveniami za využitia metód bayesiánskej štatistiky. Modely s jednotlivými apriórnymi nastaveniami, resp. predikčné hustoty zostrojené pomocou nich, sú podrobené vyhodnoteniu v predikčnom cvičení. Modely so skúmanými apriórnymi nastaveniami sú odhadované na dátach z USA. Predikcie rastu HDP, miery nezamestnanosti a PCE inflácie sú vyhodnotené na základe metrík RMSE, predikčného log skóre a testov korektnej špecifikácie predikčných hustôt.

Klíčová slova

Bayesiánsky VAR model, Vyhodnocovanie predikčnej hustoty, Apriórne rozdelenia, Ekonomika USA, Predikcie rastu HDP, Predikcie inflácie, Predikcie miery nezamestnanosti, Bayesian VAR model, Density forecast evaluation, Prior distribution, US economy, GDP growth forecasts, Inflation Forecasts, Unemployment rate forecasts

Jazyk práce: slovenština

Datum vytvoření / odevzdání či podání práce: 6. 1. 2023

Obhajoba závěrečné práce

• Obhajoba proběhla 31. 1. 2023
• Vedoucí: Mgr. Jakub Chalmovianský, Ph.D.
• Oponent: doc. Ing. Daniel Němec, Ph.D.

Masarykova univerzita

Ekonomicko-správní fakulta

Magisterský studijní program / obor:
Matematické a statistické metody v ekonomii / Matematické a statistické metody v ekonomii