- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9, Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
- •Глава 9. Прогнозирование
Глава 9. Прогнозирование
it = ьо + ьхр; + b2Kt_x + \i2l.
3. Величина заработной платы в текущий период зависит от величины дохода в этот период и от времени. («Время» является также независимой переменной для всех ос тальных величин, которые не определены, но, тем не менее, оказывают влияние на заработную плату.)
И^= с0 + cjt + с2:+ (13; . (11)
4. Национальный доход, или чистый продукт, в текущий период — это совокуп ность потребления, капиталовложений и правительственных расходов в текущий пе риод. (В действительности существуют некоторые численные различия между нацио нальным доходом и чистым продуктом, но мы считаем эти различия достаточно не значительными, чтобы пренебречь ими в данной модели.)
Y = С. + 1 + G..
(12)
5. Доход, не входящий в заработную плату в текущий период, есть разность между национальным доходом в текущий период и доходом в виде заработной платы в этот же период:
W,
(13)
6. Чистый капитал в ценных бумагах на конец текущего периода равен чистому капиталу в ценных бумагах на конец предыдущего периода плюс текущие чистые капиталовложения:
К, = *,_, + /,. (14)
Итак, мы имеем набор предположений, выраженных в словесной форме и в виде уравнений, которые предназначены для анализа исследуемого явления. Отметим, что последние три утверждения есть не более чем определения или математические идентификации, необходимые для целостности модели. Для удобства все шесть уравнений, составляющих модель, теперь могут быть сгруппированы в систему уравнений:
\гг^ат1и^инр /QV С = /I -4- л V -4- /г /~* -4-м*
УраЫ1Сг1ИС \У)• V "л ~ I / 2 f—1 *"М/'
уравнение |
(10): |
/, |
= ьо + b{pt + b2Kt |
уравнение |
(11): |
|
' = с0 + с, Yt + c2l |
уравнение |
(12): |
у, |
= С,+ 1,+ Gt; |
уравнение |
(13): |
pt |
~ У, - Wc |
уравнение |
(14): |
|
- л,_. + /, . |
Снова следует обратить внимание на переменные ци, ц21 и (i3i в правых частях первых трех уравнений. Эти переменные, называемые членами рассогласования, соответствуют тому факту, что определенные независимые переменные в уравнениях не полностью отвечают изменениям зависимых переменных. Например, в уравнении (9) потребление в текущий период определяется в дополнение к доходу в текущий период и потреблению в предыдущий период еще и другими факторами. Некоторые из этих факторов могут быть экономическими или психологическими. Далее, могут существовать погрешности в данных, относящихся к определенным переменным. Все эти рассогласования представлены в уравнении (9) переменной \iu. Если мы предположим, что никакие известные нам важные независимые переменные не пропущены, то члены рассогласования отражают все другие неизвестные и непредсказуемые факторы.
В идеале изменения «всех других» факторов должны быть небольшими и случайными по природе и иметь тенденцию к взаимному уничтожению, так чтобы их взаимное влияние на зависимую переменную сводилось к нулю. До некоторой степени это пред-
282
Эконометрические модели
п оложение реализуется на практике, при этом остальные явные переменные в уравнении будут вызывать в зависимой переменной систематические или случайные колебания.
Следует знать, что построение эконометрической модели есть значительно более сложный процесс, чем следует из приведенного здесь краткого обзора. Существует множество теоретических и статистических проблем, с которыми приходится сталкиваться при реальном конструировании модели. Данные параграфы лишь немного приоткрывают завесу над проблемой для тех, кто не знаком с ней1.
Методы
макроэкономического прогноз ирования
В 1981 г. было проведено обследование 13 крупных организаций, занимающихся макроэкономическим прогнозированием2. Как показано в табл. 9.6, пять из них - это коммерческие консультационные фирмы (BMARK, CHASE, DRI, TG и WEFA); четыре принадлежат университетам (GSU, KEDI, RSQE и UCLA); две — корпоративным организациям (МНТ — финансовая, a GE — нефинансовая) и одна организация принадлежит федеральному правительству (ВЕА). Тринадцатый «предсказатель» (ASA) занимается среднесрочным прогнозированием по результатам опросов.
В этом обследовании сравниваются результаты прогнозирования 15 наиболее распространенных макроэкономических переменных:
изменение материального положения (в млрд долл.);
занятость населения (в млн чел.);
потребительский индекс цен (1967 г. = 100);
правительственные закупки товаров и услуг (в млрд текущих долл.);
валовой национальный продукт, ВНП (в млрд текущих долл.);
жилищное строительство (в млн единиц);
неявная ценовая дефляция ВНП (1972 г. = 100);
инвестиции в местные структуры (в млрд текущих долл.);
чистый экспорт товаров и усуг (в млрд долл.);
90-дневный курс казначейских билетов (в %);
постоянные инвестиции в неместные структуры (в млрд текущих долл.);
расходы на индивидуальное потребление, товары длительного пользования и услуги (в млрд текущих долл.);
расходы на индивидуальное потребление, товары краткосрочного пользования и услуги (в млрд текущих долл.);
фактический ВНП (в млрд долл. по курсу 1972 г.);
уровень безработицы (в %).
Существует, конечно, много других переменных. Как показано в столбце 2 табл. 9-6, количество переменных для прогнозирования колеблется от 3 до 1000.
Из табл. 9.6 также следует, что 12 из 13 прогнозов осуществлено с помощью большой макроэкономической модели экономики США. Все модели требуют наличия предполагаемых будущих значений нескольких внешних переменных, таких, как изменения экономической политики федерального правительства.
■f|
' Для более детального ознакомления см.: Lawrence R. Klein and Richard M. Young, An Introduction to Econometric Forecasting and Forecasting Models (Lexington, Mass.: D.C. Heath, 1980).
2 Stephen K. McNees, «The Recent Record of Thirteen Forecasters» (reprint), New England Economic Review, September-October 1981, pp. 5-21. В репринте исправлено несколько ошибок, допущенных в первоначальной статье. См. также McNees, «The Forecasting Record for the '1970s», New England Economic Review, September-October 1979, pp. 33-53.
283
ю
00
Таблица 9.6 Итоговая информация по 13 организациям, занимающимся макроэкономическим прогнозированием
си
№
Си
(1) Прогнозирующие организации |
(2) Количество переменных прогнозирования |
<*) Типичный уровень прогнозирования (за квартал) |
W Частота реализации (за год) |
(5) Время прогнозирования |
<*) Техника прогнозирования (аппроксимированный вес) |
ASA (American Statistical Association and National Bureau of Economic Research Survey of regular forecasts, median) |
8 |
45 |
4 |
1968 |
Большинство участников отдают приоритет неформальной модели ВНП; значительное количество также считают эконометрические модели продуктивными |
BEA (Bureau of Economic Analysis, U.5. Commerce Department) |
около 800 |
7 |
8 |
1967 |
Эконометрическая модель (65%), корректировка на основе предпопожений (25%), анализ текущей информации (5%), во взаимодействии с другими (5%) |
BMARK (Charles R. Nelson Associates, Inc., Benchmark forecast) |
3 |
4 |
i |
1976 |
Метод анализа временных рядов (100%) |
CHASE (Chase Econometric Associates, Inc.) |
около 700 |
от 10 до 12 |
12 |
1970 |
Эконометрические модели (70%), корректировка на основе предположений (20%), метод анализа временных рядов (5%), анализ текущей информации (5%) |
DRl (Data Resources, Inc.) |
около 1000 |
от S до 12 |
12 |
1969 |
Эконометрическая модель (55%), корректировка на основе предпопожений (30%), метод анализа временных рядов (10%), анализ текущей информации (5%) |
GE (Economic Research and Forecasting Operaiion, General Electric Co.) |
360 |
8 |
4 |
1962 |
Эконометрическая модель (50%), корректировка на основе предположений (50%) |
GSU (Economic Forecasting Project, Georgia State University) |
215 |
8 |
12 |
1973 |
Эконометрическая модель (60%), корректировка на основе предположений (30%), анализ текущей информации (10%) |
KEDI (Kenf Economic and Development Insti1u1e) |
1699 |
10 |
12 |
1974 |
Эконометрическзя модель (60%), корректировка на основе предположений (20%), метод анализа временных рядов (10%), во взаимодействии с другими (10%) |
MHT (Manufacturers Hanover Trust) |
37 |
4-5 |
- ' 4 |
1970 |
Эконометрическэя модель (50%), корректировка на основе предположений (50%) |
RSOE (Research Seminar on Quantitative Economics, University of Michigan) |
около 100 |
S |
3 |
1969 |
Эконометрическая модель (80%), корректировка на основе предположений (20%) |
TG (Townsend-Greenspan & Co., Inc.) |
около 800 |
от 6 до 10 |
4 |
1965 |
Эконометрическая модель (45%), корректировка на основе предпопожений (45%), анализ текущей информации (10%) |
UCLA (UCLA Business Forecasting Project, Graduate School of Management, University of California, Los Angeles) |
около 1000 |
от 8 до 12 |
А |
1968 |
Эконометрическая модепь (70%), корректировка на основе предположений (20%), во взаимодействии с другими (10%) |
WEFA (Wharton Econometric Forecasting Associates, inc.) |
около 1000 |
12 |
12 |
1963 |
Эконометрическая модель (60%), корректировка на основе предположений (30%), анапиз текущей информации (10%) |
О О
■с
О
№ Q,
Источник: Stephen К. McNess, «The Recent Record of Thirteen Forecasters», New England Review, September— October 1981 (reprint), pp, 5 — 21.
Выводы
Э ти модели дают основу для логических предположений, и в соответствии с информацией, представленной в столбце. 6, вес этих предположений составляет от 45 до 80% в [прогнозе (см. табл. 9.6). Все прогнозисты используют корректировку механических выгодных данных эконометрического моделирования на основе более свежей информации, |пересмотра данных, допущенных ошибок, обратной связи с пользователями этих про-|гнозов и ожидаемых природных явлений, не охваченных моделью. Иногда такая корректировка включает предсказания других экономистов. Как показано в Столбце 6, корректировка на основе предположений имеет весовую значимость от 20 до 50%.
Некоторые прогнозисты подчеркивают, что взаимодействие между моделью и предположениями является «улицей с двухсторонним движением». Исследователь может ^переиначить предварительные результаты моделирования, но эти результаты могут, в |свою очередь, изменить и его суждения. Более того, относительные веса методов прогнозирования могут меняться не только от прогнозиста к прогнозисту, но и от прогноза к прогнозу.
Одна организация, BMARK, пользуется совершенно отличным от других способом1. Ее прогнозы делаются на основе уравнений авторегрессии интегрированных [скользящих средних временных рядов. Таким образом, эти прогнозы основаны только |на ретроспективных данных о прогнозируемой переменной, и они в дальнейшем не [пересматриваются, даже если имеются основания подозревать ошибку. Следовательно, эти прогнозы являются образцами или стандартами для сравнения с результатами (других прогнозов, выполненных по иной технологии.
[Выводы
В данной главе мы рассмотрели основные методы и инструменты искусства и науки Экономического прогнозирования. Мы также привели некоторые примеры их исполь-|зования. Мы увидели, что механическая экстраполяция, барометрические методы, сбор |мнений и обзоры целей, а также эконометрические модели — все они находят приме-кнение как в долго-, так и в краткосрочном прогнозировании на всех уровнях экономи-реской деятельности.
Эконометрический метод, как правило, наилучшим образом подходит для объединения и использования наиболее рациональных приемов. Так, в довольно широких ^пределах эконометрические методы улучшают использование других методов прогнозирования, таких, как опережающие показатели и опросы по текущему состоянию дел. IДанные этих статистик в качестве переменных включаются в модель, которая, в свою |очередь, может быть пересмотрена при поступлении новой информации и при изменении весовых характеристик методов, ее составляющих.
Иногда эконометрические модели дают менее точные прогнозы на последующий |год по сравнению с такими более доступными моделями, как проектирование тренда, рначит ли это, что от эконометрических методов следует отказаться? Вовсе нет; если |наше теоретическое понимание процесса и статистические данные удовлетворительны, то эконометрика способна осветить самые сложные вопросы и дать нам возможность прогнозирования. Это объясняется тем, что эконометрика в большей степени, |чем другие методы прогнозирования, аналитична по своей сути и ей свойственен под-род, который ориентирован на процесс. Так, эконометрические модели почти всегда |дают количественное описание развивающегося процесса, содержащее оценку значе-|иий зависимой переменной.
В любом прогнозе в игру могут вступить силы, способные изменить существующие связи. Эконометрист должен понимать это и постоянно наблюдать за появлением новых
1 BMARK использует только три переменные: ВНП, неявную ценовую дефляцию ВНП и фак-ический ВНП.
285