?
Использование байесовских методов для макроэкономического моделирования фаз бизнес-цикла
В данной статье рассматриваются особенности применения двух моделей для оценки макроэкономической динамики в США: байесовской векторной авторегрессии (BVAR) и байесовской векторной авторегрессии с марковскими переключениями (MSBVAR). Целью исследования является выявление наиболее адекватной модели на основе минимизации среднеквадратической ошибки прогноза для макроэкономических переменных: реальный ВВП США и занятость. Для эффективного прогнозирования спадов и подъемов требуется использовать модели с переменной структурой, позволяющие учитывать случайный характер макроэкономических факторов. Модели с марковскими цепями включают в себя множество уравнений (структур). Механизмы переключения между этими структурами контролируются ненаблюдаемой переменной, которая следует марковскому процессу первого порядка. Период оценивания моделей — с I квартала 1953 г. по III квартал 2015 г. Оценка параметров моделей произведена на основе априорного независимого нормального — обратного распределения Уишарта. На основе результатов оценивания двумерной модели с марковскими переключениями вычислены средние темпы роста ВВП и ожидаемая продолжительность нахождения в каждом режиме. Для получения прогноза применяется рекурсивная схема регрессии. Точечные прогнозы сравниваются с фактическими значениями интересующих временных рядов. На основе среднесрочных прогнозов рассчитываются среднеквадратические ошибки. Точность полученных прогнозов MSBVAR-модели сравнивается с прогнозами стандартной модели векторной авторегрессии BVAR, и делается вывод о наиболее подходящей модели. В рамках данной работы строятся импульсные функции отклика, позволяющие оценить, как реагируют переменные в модели на изменения, шоки.