Научные методы исследованияНаучные методы исследования
Декомпозиция дисперсии ошибки прогноза
Области знаний:
Экономика, Математические и количественные методы
Научные методы исследованияНаучные методы исследования
Декомпозиция дисперсии ошибки прогноза
Декомпози́ция диспе́рсии оши́бки прогно́за (англ. forecast error variance decomposition, FEVD), способ представления дисперсии ошибки прогнозавременны́х рядов на определённом временно́м горизонте на основе оценённоймоделивекторной авторегрессии (VAR) в виде вклада структурных шоков переменных, используемых в этой VAR-модели. В отличие от исторической декомпозиции, позволяет выяснить, насколько важен усреднённый относительный вклад структурных шоков отдельных переменных в колебания исследуемых макроэкономических показателей и как изменяется данный вклад со временем.
Например, ряд авторов полагают, что шокиспроса оказывают ощутимое влияние на экономику в краткосрочной и среднесрочной перспективе, но в долгосрочном периоде бо́льшая часть динамики бизнес-цикла объясняется шоками предложения, технологическими шоками (Blanchard. 1989). Соответственно, оценка эволюции вклада шоков спроса и предложения в динамику выпуска и инфляции оказывается важной для центральных банков, использующих режим таргетирования инфляции, поскольку они в состоянии эффективно сглаживать шоки спроса, в то время как при шоках предложения перед ними встаёт выбор между стабилизацией инфляции или выпуска. Помимо классических шоков спроса и предложения, интерес для властей представляет и более широкий набор потрясений, охватывающих в том числе глобальную экономическую активность, сырьевые рынки (Jovičić. 2017).
где yt – вектор эндогенных переменных в период t, xt – вектор экзогенных переменных (куда входит константа), A – матрица коэффициентов перед лагом эндогенных переменных, B – матрица коэффициентов перед экзогенными переменными, εt – ошибки.
Подставим вместо yt−1 записанное ранее равенство:
Для работы со структурными (некоррелированными) шоками ошибки представимы в виде εt=A0−1ut, где A0 – структурная матрица размерностью n×n, ut – фундаментальные шоки. Переход к фундаментальным шокам осуществляется за счёт умножения структурной матрицы на ошибки ut=A0εt. Матрицы Ai являются не чем иным, как матрицами импульсных откликовФi=Ai на горизонте i. Тогда можно переписать:
Aiεt−i=ФiA0−1ut−i=Фisut−i,
где Фis – матрица структурных импульсных откликов (иными словами, матрица реакций на структурные шоки эндогенных переменных на горизонте i). Введённые обозначения позволяют представить yt в виде:
yt=Aty0+∑i=0t−1AiBxt−i+∑i=0t−1Фisut−i.
Тогда на любом горизонте h=1,2,...,H в момент времени t:
Компонента ∑i=0t−1+hФisut−i+h раскладывается на две части: ∑i=ht−1+hФisut−i+h, известную на момент времени t, и неизвестную компоненту ∑i=0h−1Фisut−i+h (поскольку случайные шоки с момента времени t+1 по t+h в момент времени t ещё не возникли). В связи с тем, что экзогенные факторы воспринимаются как заданные (на них не накладывается динамическая/случайная структура), то их математическое ожидание будет равно фактическому значению. Данное положение также касается начальных условий и произошедших к моменту времени t шоков.
Математическое ожидание будущих шоков в VAR-модели по определению равняется нулю. Тогда ошибка прогноза записывается следующим образом:
yt+h−E(yt+h∣t)=∑i=0h−1Фisut−i+h.
Без потери общности можно предположить, что дисперсии структурных шоков равны единице, поскольку это результат нормировки:
D(ui,t)=σui2=1∀i,t.
Ошибка прогноза для z-й эндогенной переменной представима в виде:
где фzj,is – элемент z-й строки, j-го столбца оценённой матрицы Фis. Далее рассчитывается дисперсия уравнений с обеих сторон. С учётом того, что структурные шоки не коррелированы между собой, получается выражение декомпозиции дисперсии ошибки прогноза для z-й эндогенной переменной на горизонте h:
От данной записи можно перейти к записи с точки зрения вкладов, объясняемых шоками переменных, используемых в VAR-модели. Для этого необходимо разделить обе части уравнения на σyz,h2:
На экзогенные переменные также можно наложить определённую структуру. Рассмотрим в качестве примера модель векторной авторегрессии с p лагами, n эндогенными переменными yt и q лагами m экзогенных переменных xt:
где Cy – матрица констант, Ai – матрицы коэффициентов перед лагами глубины i эндогенных переменных, Bi – матрицы коэффициентов перед лагами глубины i экзогенных переменных, εt – вектор ошибок в период t, A0 – структурная матрица размерностью n×n, ut – вектор структурных шоков в модели для эндогенных переменных в период t. При этом экзогенные переменные xt меняются в соответствии с моделью векторной авторегрессии с w лагами:
где Cx – матрица констант, Zi – матрицы коэффициентов перед лагами глубины i, ξt – вектор ошибок в период t, Z0 – структурная матрица размерностью m×m, μt – вектор структурных шоков в модели для экзогенных переменных в период t. Модель для экзогенных переменных можно встроить в VARX модель для переменных y, переписав её следующим образом:
где Zi=0 для i>w,Ai=0 для i>p,Bi=0 для i>q. Соответственно, дальнейший алгоритм получения декомпозиции дисперсии ошибки прогноза аналогичен описанному ранее.
Применение
В работе Г. Йовичича (Jovičić. 2017) исследовались такие факторы ВВП и инфляции Хорватии, как сырьевые шоки, уровень глобальной деловой активности, внешние шоки со стороны еврозоны и внутренние шоки. На рисунке 1 представлена полученная авторами декомпозиция дисперсии ошибки прогноза ВВП Хорватии.
Рис. 1. Декомпозиция дисперсии ошибки прогноза ВВП Хорватии. Иллюстрация из статьи: Jovičić G., Kunovac K. What is Driving Inflation and GDP in a Small European Economy: The Case of Croatia // Working Papers. 2017. №. 49. P. 11.Рис. 1. Декомпозиция дисперсии ошибки прогноза ВВП Хорватии. Иллюстрация из статьи: Jovičić G., Kunovac K. What is Driving Inflation and GDP in a Small European Economy: The Case of Croatia // Working Papers. 2017. №. 49. P. 11.Примечание: поскольку модель оценивалась с помощью байесовских методов (BVAR модели), сумма вкладов шоков может не равняться единице.
В работе Д. А. Ломоносова и соавторов (Ломоносов. 2021) на основе байесовских моделей векторной авторегрессии российской экономики и нефтяного рынка анализировалась роль шоков деловой активности, шоков спроса на нефтяном рынке и шоков предложения нефти в России. На рисунке 2 представлена декомпозиция дисперсии ошибки прогноза основных макроэкономических переменных российской экономики, полученная в работе.
Рис. 2. Декомпозиция дисперсии ошибки прогноза основных макропеременных российской экономики. Иллюстрация из статьи: Ломоносов Д. А., Полбин А. В., Фокин Н. Д. Влияние шоков мировой деловой активности, предложения нефти и спекулятивных нефтяных шоков на экономику РФ // Экономический журнал Высшей школы экономики. 2021. Т. 25, №. 2. С. 227–262. Рис. 2. Декомпозиция дисперсии ошибки прогноза основных макропеременных российской экономики. Иллюстрация из статьи: Ломоносов Д. А., Полбин А. В., Фокин Н. Д. Влияние шоков мировой деловой активности, предложения нефти и спекулятивных нефтяных шоков на экономику РФ // Экономический журнал Высшей школы экономики. 2021. Т. 25, №. 2. С. 227–262.