مقایسه عملکرد روش‌های مستقیم و تکرار شونده در پیش‌بینی زمان حقیقی نرخ تورم در ایران

نرخ تورم یکی از متغیرهای کلیدی اقتصاد کلان است که پیش‌بینی دقیق آن برای افق‌های بیش از یک دوره مورد نیاز نهادهای سیاستگذار و به ویژه بانک مرکزی است. روش‌های مستقیم و تکرار شونده دو تکنیک متداولی است که در ادبیات به هنگام پیش‌بینی در افق‌های بیش از یک دوره پیشنهاد می‌شود. این مطالعه با بهره گیری از طیف وسیعی از متغیرهای اقتصادی به بررسی این دو روش برای پیش‌بینی زمان حقیقی نرخ تورم در ایران می پردازد. نتایج به دست آمده نشان می دهد که عموما با افزایش افق پیش‌بینی، عملکرد روش تکرار شونده نسبت به روش مستقیم بهبود می یابد. برای معیارهای اطلاعاتی که وقفه کمتری انتخاب می کنند (مانند شوارتز)، روش مستقیم در کوتاه مدت (1 فصل و 2 فصل) و روش تکرار شونده در بلندمدت (3 فصل و 4 فصل) برتری دارد، در حالی که برای معیارهای اطلاعاتی که وقفه بیشتری انتخاب می کنند (مانند آکایکه)، مقایسه بین این دو روش وابسته به افق پیش‌بینی نبوده و روش تکرار شونده به طور کلی دارای دقت بیشتری است.

A Comparison of the Performances of the Direct and Iterated Methods in Real Time Forecasting of Inflation in Iran

Inflation rate is one of the key macroeconomic variables that policymaking institutions and central banks in particular, need to forecast accurately for several periods ahead in order to make proper policies. Direct and iterated methods are two common techniques which are suggested in the literature for multiperiod forecasting. In this paper, using a wide range of quarterly economic variables we compare the performance of these two techniques in real time forecasting of inflation in Iran. The results show that as the forecast horizon increases, iterated method outperforms direct method. For the information criteria which select shorter lags (e.g. Schwarz criterion), direct method and iterated method performs better in short forecast horizons (1 and 2 periods ahead) and long forecast horizons (3 and 4 periods ahead), respectively, while for the information criteria which select longer lags (e.g. Akaike criterion), iterated method generally performs better, irrespective of the forecast horizon.