우리나라 소비자물가상승률 예측
Forecasting Korean CPI Inflation
0
조회
0
다운로드
6
인용
0
참고문헌
키워드
초록
우리나라 소비자물가상승률에 대한 예측은 한국은행의 물가안정목표제 운용, 채권시장 참가자의 만기 포트폴리오 최적화, 부동산 시장 및 민간의 소비와 투자 등 경제 전반에 지대한 영향을 미친다. 본 연구는 향후 3년간 우리나라 소비자물가상승률 예측결과를 제시한다. 이를 위해 우선 자기회귀시차(Autoregressive Distributed Lag, ADL) 모형, AR 모형, 소규모 벡터자기회귀(VAR) 모형, 대규모 VAR 모형의 표본외 예측력을 기준으로 모형선택을 실시한다. 물가상승률에는 다수의 잠재적인 예측변수가 존재하기 때문에 12개의 거시변수를 대상으로 ADL 모형에 베이지안 변수선택기법을 도입하고, 예측력 향상을 위한 정한 튜닝과정을 고안하고 적용하였다. VAR 모형에는 미네소타 사전분포를 설정하여 차원의 저주 문제를 극복하고자 하였다. 최근 5년을 대상으로 한 장단기 표본외 예측결과, ADL 모형이 점예측과 분포예측 모두에서 여타 경쟁모형에 비해 전반적으로 우월하였다. 예측조합을 통한 예측결과, 우리나라 소비자물가상승률이 2022년 하반기까지는 현재 비슷한 2% 내외의 수준을 유지할 것으로 보이며, 2023년 상반기부터는 1% 내외로 하락할 것으로 전망된다. 80% 신용구간은 예측치의 대략 ±1%p이다.
Abstract
The outlook for Korea's consumer price inflation rate has a profound impact not only on the Bank of Korea’s operation of the inflation target system but also on the overall economy, including the bond market and private consumption and investment. This study presents the prediction results of consumer price inflation in Korea for the next three years. To this end, first, model selection is performed based on the out-of-sample predictive power of autoregressive distributed lag (ADL) models, AR models, small-scale vector autoregressive (VAR) models, and large-scale VAR models. Since there are many potential predictors of inflation, a Bayesian variable selection technique was introduced for 12 macro variables, and a precise tuning process was performed to improve predictive power. In the case of the VAR model, the Minnesota prior distribution was applied to solve the dimensional curse problem. Looking at the results of long-term and short-term out-of-sample predictions for the last five years, the ADL model was generally superior to other competing models in both point and distribution prediction. As a result of forecasting through the combination of predictions from the above models, the inflation rate is expected to maintain the current level of around 2% until the second half of 2022, and is expected to drop to around 1% from the first half of 2023.
참고문헌 (22)
- 감형규, "한국 주식시장의 산업별 비대칭적 주가변동성에 관한 연구", 기업경영연구, 14(1), pp.99~112 (2007), 한국기업경영학회
- 강규호, "베이지안 머신 러닝을 이용한 은행권 주택담보대출 예측", 금융안정연구, 19(1), pp.99~129 (2018), 예금보험공사[DOI]
- 김현학, "예측조합 및 밀도함수에 의한 소비자물가 상승률 전망", 경제분석, 21(3), pp.103~136 (2015), 한국은행
- 주택가격 변동이 실물ꞏ물가에 미치는 영향의 비대칭성 분석, "조병수", 한국은행, ~, pp.BOK 이슈노트, 제2021-17호 (2021)
- 최인, "Forecasting Korean inflation", 응용경제, 14(3), pp.133~168 (2012), 한국응용경제학회
- Blanchard, O., "In Defense of Concerns over the $1.9 Trillion Relief Plan", PIIE Realtime Economic Issues Watch, ~ (2021)
- Choi, In, "Differencing versus Non-Differencing in Factor-based Forecasting", Journal of Applied Econometrics, 35(6), pp.728~750 (2020)
- The Bear Toolbox, "Dieppe, Alistair", European Central Bank, ~, pp.Working Paper, No. 1934 (1934)
- Forecasting US inflation in real time, "Fulton, Chad", ~, pp.Finance and Economics Discussion Series, 2021-014 (2021)
- Giannone, Domenico, "Prior selection for vector autoregressions", Review of Economics and Statistics, 97(2), pp.436~451 (2015)
- Annual Report on Exchange Arrangements and Exchange Restrictions 2019, "IMF", International Monetary Fund, ~ (2020)
- Kang, Kyu Ho, "Macroeconomic Dynamics", pp.1~30 (2021)
- Kim, S., "Stochastic volatility: Likelihood inference and comparison with arch models", Review of Economic Studies, 65, pp.361~393 (1998)
- Kim, Young Min, "Exchange rate predictability: A variable selection perspective", International Review of Economics & Finance, 70, pp.117~134 (2020)
- Korobilis, Dimitris, "VAR Forecasting using bayesian variable selection", Journal of Applied Econometrics, 28(2), pp.204~230 (2013)
- Inflation Targeting—Central Bank Practice Overseas, "Little, J.", Federal Reserve Bank of Boston, ~, pp.Public Policy Briefs, No. 08-1 (2009)
- Marcelo C. Medeiros, "Forecasting Inflation in a Data-Rich Environment: The Benefits of Machine Learning Methods", Journal of Business & Economic Statistics, 39(1), pp.98~119 (2021)
- On target? The International Experience with Achieving Inflation Targets, "Roger, S.", IMF, ~, pp.Working Paper, WP (2005), 05[DOI]
- Stock, James H., "Forecasting inflation", Journal of Monetary Economics, 44(2), pp.293~335 (1999)
- Summers, Lawrence H., "My column on the stimulus sparked a lot of questions. Here are my answers", Washington Post, February 7, ~ (2021)
- Yang, A., "Sparse Bayesian Variable Selection with Correlation Prior for Forecasting Macroeconomic Variable using Highly Correlated Predictors", Computational Econonmics, 51, pp.323~338 (2018)
- Wright, Jonathan H., "Forecasting US inflation by Bayesian model averaging", Journal of Forecasting, 28(2), pp.131~144 (2009)