ارزیابی مدلهای bvar جایگزین در پیش بینی تورم ایران

این مقاله به ارزیابی عملکرد مدلهای bvar با اطلاعات (priors) متفاوت جهت بهبود پیش بینی تورم ایران در مقایسه با litterman prior  می پردازد. بدین منظور روش شبه بیزی با اطلاعات متعدد، برای یک مدل var از اقتصاد ایران در دوره زمانی 2007-1981 بکار گرفته شده است. ویژگی منحصر به فرد این مقاله استفاده از اطلاعات-g(g-prior) در مدلهای bvar جهت تقلیل تورش در تخمین پارامتر drift مدل bvar کلاسیک است. برخی نتایج مقاله بشرح زیر می باشند: 1) نتایج ما نشان می دهند که در چارچوب روش شبه بیزی، مدلهای bvar با normal-wishart prior پیش بینی دقیق تری از تورم ایران ارائه می دهند. 2) همچنین نتایج نشان می دهند که عموما در مدلهای جمع وجور (parsimonious) مدل bvar با g-prior عملکرد بهتری نسبت به مدل bvar با litterman prior دارند.