Browsing by Subject "taloudelliset ennusteet"

Sort by: Order: Results:

Now showing items 1-2 of 2
  • Paronen, Antti (2007)
    Useimmiten kiinnostus ARMA-malleja kohtaan pohjautuu niiden kykyyn ennustaa taloudellisen ilmiön tulevia arvoja. Silti perinteisesti ennustamista ei ole käytetty hyväksi valittaessa taloudelliseen ilmiöön parhaiten sopivaa ARMA-prosessia. Perinteisiä menetelmiä ovat olleet Box-Jenkins –menetelmä ja eri informaatiokriteerit. Nämä perinteiset menetelmät eivät kuitenkaan läheskään aina anna yksiselitteistä kuvaa parhaasta mahdollisesta mallista, minkä lisäksi ne eivät käytä hyväkseen useimmiten mielenkiinnon kohteena olevaa ominaisuutta, ennustamista. Vaihtoehtoinen tapa mallinvalinnassa on nojautuminen eri ARMA-prosessien ennustamiskykyyn. Pelkästään ennustamistarkkuuksien piste-estimaattien vertaaminen ei anna kovinkaan luotettavaa kuvaa eri mallien välisestä ”hyvyydestä”, koska sattuma on saattanut vaikuttaa tuloksiin. Tilastollisen testaamisen avulla voidaan päätellä, ennustaako jokin malli toista mallia tilastollisesti merkitsevästi paremmin. Diebold-Mariano –testillä voidaan vertailla kahden eri mallin ennustamistarkkuuksia varsin miedoin lähtöoletuksin. Tässä tutkielmassa käydään läpi ARMA-mallien ominaisuuksia ja niiden avulla ennustamista. Pääpaino on kuitenkin mallinvalinnassa. Ensin esitellään yleisessä käytössä olevat menetelmät ARMA-mallien mallinvalintaan ja tämän jälkeen esitellään vaihtoehtoinen, ennustamiseen ja Diebold-Mariano -testiin pohjautuva, mallinvalintamenetelmä. Tutkielmassa käydään läpi teoria sekä lopuksi asiaa havainnollistava esimerkki. Empiirisessä esimerkissä mallinnetaan työttömyysajan mediaanipituuden muutoksia Yhdysvalloissa viimeisen neljänkymmenen vuoden ajalta ja valitaan ilmiöön parhaiten sopiva ARMA-prosessi. Johtopäätöksenä saadaan, että ennustamisen käyttö mallinvalintamenetelmänä on erittäin varteenotettava vaihtoehto perinteisille mallinvalintamenetelmille. Suurimmat edut ennustamisen käytössä ovat juuri mielenkiinnon kohteena olevan kriteerin (ennustaminen) käyttö, mahdollisuus tilastolliseen testaukseen, sopivan tappiofunktion käyttö ja objektiivinen näkemys mallinvalintaan (ylimääräisten parametrien automaattinen rankaiseminen). Box-Jenkins –mallinvalinta on hyvin subjektiivista ja erittäin haastavaa. Informaatiokriteerien käyttö on helppoa mutta subjektiivista siinä mielessä, että tutkijan täytyy itse valita mielestään paras kriteeri. Mitään yksiselitteistä vaihtoehtoa parhaaksi informaatiokriteeriksi ei nimittäin ole. Keskeisiä lähteitä: Box, G. E. P. ja Jenkins, G. M. (1976): Time Series Analysis, Forecasting and Control, San Francisco: Holden-Day. Julkaistu aiemmin, 1970. Diebold, F. X. ja Mariano, R. S. (1995): Comparing Predictive Accuracy, Journal of Business and Economic Statistics, 13, 253-263. Giacomini, R. ja White, H. (2006): Tests of Conditional Predictive Ability, Econometrica, 74, 1545-1578.
  • Urrila, Penna (2001)
    Suhdannevaihtelulla tarkoitetaan talouskasvun melko säännöllisesti toistuvaa vaihtelua pitkäaikaisen keskiarvokasvuvauhdin ympärillä. Eräänä tiedon lähteenä suhdannevaihteluita ja suhdannetilannetta seurattaessa voivat olla niin kutsutut suhdanneindikaattorit. Indikaattorit ovat tyypillisesti esimerkiksi yrityskyselyjen aineistosta peräisin olevia aikasarjoja, joiden tarkoitus on kuvata ja erityisesti ennakoida suhdannetilannetta (niin kutsutut ennakoivat suhdanneindikaattorit). Tunnetuimpia Suomen taloutta kuvaavia suhdanneindikaattoreita ovat Teollisuuden ja Työnantajain Keskusliiton (TT) Suhdannebarometrin aineistosta saadut indikaattorit ja toisaalta OECD:n sekä EU:n komission laskemat niin sanotut yhdistelmäindikaattorit. Tässä tutkielmassa tarkastellaan suomalaisten suhdanneindikaattoreiden kykyä kuvata teollisuustuotannon vaihteluita vuosina 1975–2000. Lisäksi on lyhyesti valotettu keskeisimpiä suhdanneindikaattoreihin ja -vaihteluihin liittyviä käsitteitä, kuvailtu indikaattoreiden tutkimukseen liittyviä menetelmiä ja selostettu suhdanneindikaattoreiden yhteyttä varsinaisiin suhdanne-ennusteisiin. Lopuksi on esitelty uudenlaisen, todennäköisyystyyppisen suhdanneindikaattorin taustalla oleva teoria ja muodostettu tällainen indikaattori Suomen teollisuustuotannon käännepisteitä ennakoimaan. Lähteinä on käytetty alan tutkimuksen lisäksi TT:n Suhdannebarometrin aineistoa, muita Suomen taloutta kuvaavia indikaattoriaikasarjoja sekä teollisuustuotanto- ja bruttokansantuotetilastoja. Indikaattoreiden osuvuuden tarkastelussa on käytetty useita eri menetelmiä kuten indikaattoriaikasarjojen ja teollisuustuotannon muutoksen välisen korrelaation analyysia sekä aikasarjojen käännepisteiden tarkastelua. Indikaattorin ja teollisuustuotannon muutoksen välistä kausaalisuutta on analysoitu Grangerin kausaalisuustestillä. Saatuja tuloksia on vertailtu aiempiin kotimaisiin ja ulkomaisiin tutkimuksiin. Tutkimuksen tulosten mukaan suhdanneindikaattoreita voidaan melko tarkasti käyttää lähiaikojen suhdannekehityksen arviointiin. Parhaat ennakoivat suhdanneindikaattorit kuten TT:n Suhdannebarometrin suhdannenäkymäindikaattori ovat kuvanneet teollisuustuotannon kehitystä varsin luotettavasti noin puoli vuotta etukäteen, ja myös tällaisten indikaattoreiden käännepisteet ovat lähes aina olleet ennen teollisuustuotannon käännepisteitä. Myöskään vääriä signaaleja suhdannekäänteistä ei juurikaan havaittu. Grangerin kausaalisuustestin tuloksista huomataan, että suhdannenäkymäindikaattori on erittäin merkittävä teollisuustuotannon kehityksen selittäjä. Tutkimuksen mukaan Suhdannebarometrin muuttujien osuvuus on myös jonkin verran parantunut 1990-luvulla, kun taas OECD:n yhdistelmäindikaattorin tarkkuus on heikentynyt. Todennäköisyystyyppisen suhdanneindikaattorin muodostaminen on vaihtoehtoinen tapa tehdä päätelmiä tulevasta suhdannekehityksestä indikaattoreiden avulla. Kokeilu tällaisen indikaattorin konstruoimiseksi Suomen aineistolla johti varsin hyviin tuloksiin. Todennäköisyysindikaattori antoi signaalin kaikista Suomen teollisuustuotannon käänteistä vuosina 1975–2000.