DSGE modely s bohatou datovou informací

Bc. Barbora Labíková

Master's thesis

DSGE models in data-rich environment

Abstract:

Tato diplomová práce se zabývá problematikou vyhodnocování DSGE modelů v prostředí bohatém na data. Práce se soustředí na porovnání kvality predikcí zvoleného DSGE modelu otevřené ekonomiky za použití dvou odlišných datových sad, přičemž jedna z nich je odhadem proměnných získaných z DSGE-DFM přístupu. Cílem práce je vyhodnotit, zda obsažení rozsáhlých datových sad může zlepšit schopnost modelu předpovídat klíčové makroekonomické proměnné i pro malé otevřené ekonomiky. Analýza je zaměřena na Českou republiku, kde zahraničí je v jednom případě aproximováno eurozónou a v druhém případě jsou zahraniční makroekonomické proměnné nahrazeny jejich odhadem získaným pomocí DSGE-DFM metody. Využitím bayesiánských metod jsou vypočítány predikce modelu pro obě datové sady a jejich přesnost je vyhodnocena využitím standardních metrik.

Abstract:

This thesis addresses the issue of evaluating DSGE models in a data-rich environment. The work focuses on comparing the forecast quality of a selected open-economy DSGE model using two different datasets, one of which is an estimation of variables obtained from the DSGE-DFM approach. The aim of the thesis is to assess whether the inclusion of extensive data sets can improve the model's ability to predict key macroeconomic variables even for small open economies. The analysis is focused on the Czech Republic, where in one case the foreign sector is approximated by the euro area, and in the other case, foreign macroeconomic variables are replaced by their estimates obtained using the DSGE-DFM method. Using Bayesian methods, model predictions for both datasets are calculated and their accuracy is evaluated using standard metrics.

Keywords

DSGE modely, DSGE-DFM modely, Predikční výkonnost, Datově bohaté prostředí, Malá otevřená ekonomika, DSGE models, DSGE-DFM models, Forecasting performance, Data-rich environment, Small open economy

Language used: Czech

Date on which the thesis was submitted / produced: 10. 5. 2024

Thesis defence

• Date of defence: 21. 6. 2024
• Supervisor: Mgr. Jakub Chalmovianský, Ph.D.
• Reader: Ing. Martin Kutlak

Masaryk University

Faculty of Economics and Administration

Master programme / field:
Mathematical and Statistical Methods in Economics / Mathematical and Statistical Methods in Economics