ارزیابی مدلهای BVAR جایگزین در پیش بینی تورم ایران

Authors: not saved
Abstract:

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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 نتا...

full text

مدل VAR جایگزین برای پیش بینی تورم ایران: کاربردی از تبدیل Bewley

هدف این مقاله گسترش مدلهای جدید سری زمانی چند متغیره پویای غیر ساختاری و ارزیابی عملکرد انواع این مدلهای جایگزین در پیش بینی تورم می باشد. روش شبه بیزی با اطلاعات Literman prior  در چارچوب یک مدل خود رگرسیونی برداری برای اقتصاد ایران در دوره زمانی 2006- 1981جهت ارزیابی عملکرد مدلهای مختلف در طول افق زمانی متفاوت بکار گرفته شده است. همچنین به منظور محدود نمودن میانگین تغییر تورم به مقدار صفر، تب...

full text

ارزیابی قابلیت مدلهای تعهدی در پیش بینی جریان های نقدی

هدف پژوهش حاضر ارزیابی توانایی اقلام تعهدی صورتهای مالی در پیش‌بینی جریانهای نقدی است. به این منظور داده‌های 85 شرکت پذیرفته شده در بورس اوراق بهادار تهران طی فاصله زمانی 1391-1387 مورد بررسی قرار گرفت. جهت شناسایی و برآورد درآمدهای آتی موسسات و ارزیابی توانایی اقلام تعهدی صورتهای مالی در پیش‌بینی جریانهای نقدی از تجزیه تحلیل رگرسیون استفاده ‌شد. با استفاده از دو مؤلفه رشد فروشها و استراتژی تعی...

full text

پیش بینی شکاف تورم بر اساس مدل P در ایران

رابطه بین پول و قیمت همواره مورد بحث مکاتب مختلف اقتصادی است. در این ارتباط مدلهای مختلفی نیز برای تبیین تورم ارایه شده اند که هر یک از دیدگاه خاص خود به آن توجه کرده اند. به رغم وجود نظرات مختلف، می توان گفت که اقتصاددانان در پولی بودن تورم در بلندمدت اتفاق نظر دارند.اقتصاد ایران طی چند دهه گذشته پدیده تورم را با شدت و ضعفهای مختلف تجربه کرده است. به همین دلیل تحقیقات وسیع و دامنه داری درباره ...

full text

ارزیابی محتوای اطلاعاتی متغیرهای اقتصادی برای پیش بینی نرخ تورم در ایران

 تورم یکی از کلیدی ترین متغیرهایی است که پیش بینی دقیق آن تاثیر بسزایی در اتخاذ سیاست های پولی مناسب دارد. با توجه به این اهمیت، مقاله حاضر محتوای اطلاعاتی طیف وسیعی از متغیرهای اقتصادی را برای پیش بینی نرخ تورم در ایران برای بازه زمانی سال های 1383 تا 1387 بررسی کرده است. نتایج بیانگر این است که اگرچه متغیرهای حجم پول و سپرده های دیداری در بعضی افق های پیش بینی کاهش چشمگیری در خطای پیش بین...

full text

مدل var جایگزین برای پیش بینی تورم ایران: کاربردی از تبدیل bewley

هدف این مقاله گسترش مدلهای جدید سری زمانی چند متغیره پویای غیر ساختاری و ارزیابی عملکرد انواع این مدلهای جایگزین در پیش بینی تورم می باشد. روش شبه بیزی با اطلاعات literman prior  در چارچوب یک مدل خود رگرسیونی برداری برای اقتصاد ایران در دوره زمانی 2006- 1981جهت ارزیابی عملکرد مدلهای مختلف در طول افق زمانی متفاوت بکار گرفته شده است. همچنین به منظور محدود نمودن میانگین تغییر تورم به مقدار صفر، تب...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 17  issue 50

pages  65- 81

publication date 2012-03-20

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023