본문 바로가기
KERD
논문KCI 등재

예측조합 및 밀도함수에 의한 소비자물가 상승률 전망

Forecasting CPI Inflation Using Combination of Point Forecast and Density Forecast

김현학
한국은행|2015.09|경제분석 (Economic Analysis)|제21권 제3호|pp. 103-136|DOI 10.23299/bokeri.2015.21.3.004

0

조회

0

다운로드

4

인용

0

참고문헌

키워드

예측조합CPI inflationForecast combination소비자물가 상승률 전망점 예측밀도함수결합전망Point forecastDensity forecast
주제분류경제학

초록

최근 들어 경제전망의 예측 오차를 줄이기 위한 방안으로 예측조합에 의한 전망(forecast combination)과 밀도함수에 의한 전망(density forecast)이 주목받고 있다. 예측조합에 의한 전망은 하나의 모형에 의한 전망이 아니라 다양한 특성을 가진 여러 예측모형들을 조합하여 전망치를 산출함으로써 예측 오차를 줄이는 방법이다. 밀도함수에 의한전망은 점 예측(point forecast)과 달리 전망치에 대한 확률밀도함수(probability density function)를 제시하는 방법이다. 본고에서는 우리나라의 소비자물가 상승률을 대상으로 예측조합 및 밀도함수를 이용하여 전망을 수행하고 그 성과를 분석하였다. 예측조합에 의한 전망의 경우 다양한 모형의조합에 따른 위험분산효과 등으로 기준모형인 자기회귀모형보다 우월한 예측력을 보였으며, 아울러 더 많은 수의 모형들이 조합될수록 보다 안정적인 예측력을 보였다. 한편 밀도함수에 의한 전망의 경우 소비자물가 상승률 전망의 방향성을 제시해주는 장점이 있었다. 또한 밀도함수 역시 조합을 통해 보다 정확한 물가 상승률 전망을 기대해 볼 수 있다. 본고의 연구 결과에 비추어 볼 때 향후 모형들의 조합방법과 모형별 가중치 부여방법에 대한 연구, 혼합주기모형 개발 등이 진전될 경우 예측조합이나 밀도함수에 의한 소비자물가 상승률 전망의 예측력을 더욱 향상시킬 수 있을 것으로 기대된다.

Abstract

Forecast combinations and density forecast have frequently been found in empirical research to produce better prediction performance on average than methods based on the best single model. Density forecast an estimate of the probability distribution of the possible future values of that variable has received attention in the forecast literature. This paper combines point forecast and density forecast to predict Korean CPI inflation and compares the performance of each forecast with various models including factor models, shrinkage models, and bayesian model averaging. We find that the more models included in point forecast combinations leads to the better performance of the combinations than the benchmark autoregressive model, regardless of the independent performance of a single model. We also find that combinations of more models provide a result robust to sample periods. Density forecasts and their combinations present the direction of future inflation and predictive densities. We expect that forecast combination and density forecast can provide better performance with more disciplines, for example, combining more various models and mixing different frequency data models.

참고문헌 (46)

  1. 이진희, "한국 경제변수에 대한 자기회귀 및 벡터자기회귀 모형의 예측성과 비교", 경제분석, 20(4), pp.115~151 (2014), 한국은행
  2. Nowcasting GDP in Real-Time: A Density Combination Approach, "Aastveit, K. A.", Norges Bank, ~, pp.Working Paper 2011 (2013), 11
  3. Bache, I. W., "Combining VAR and DSGE Forecast Densities", Journal of Economic Dynamics and Control, Vol. 35, 35(10), pp.1659~1670 (2011)
  4. Bates, J. M., "The Combination of Forecasts", Operations Research Quarterly, 20, pp.451~468 (1969)
  5. Berkowitz, J., "Testing Density Forecasts with Applications to Risk Management", Journal of Business and Economic Statistics, 19, pp.465~474 (2001)
  6. Boero, G., "Scoring Rules and Survey Density Forecasts", International Journal of Forecasting, 27(2), pp.379~393 (2011)
  7. Britton, E., "The Inflation Report Projections:Understanding the Fan Chart", Bank of England Quarterly Bulletin, 38, pp.30~37 (1998)
  8. Clemen, R. T., "Combining Forecasts: A Review and Annotated Bibliography", International Journal of Forecasting, 5, pp.559~581 (1989)
  9. Clements, M. P., "Bootstrap Prediction Intervals for Autoregressive Time Series", Computational Statistics & Data Analysis, 51, pp.3580~3594 (2007), Elsevier
  10. Corradi, V., "Handbook of Economic Forecasting", pp.197~284 (2006)
  11. Diebold, F. X., "Evaluating Density Forecasts with Applications to Financial Risk Management", International Economic Review, 39(4), pp.863~883 (1998)
  12. Forecast Evaluation and Combination, "Diebold, F. X.", National Bureau of Economic Research, ~, pp.NBER Technical Working Papers 0192 (1996)
  13. Diebold, F. X, "Comparing Predictive Accuracy", Journal of Business & Economic Statistics, American Statistical Association, 20, pp.134~144 (2002)
  14. Generalised Density Forecast Combinations, "Fawcett, N.", ~, pp.Bank of England Working Paper No. 492 (2014)
  15. Figlewski, S., "Optimal Aggregation of Money Supply Forecasts:Accuracy, Profitability and Market Efficiency", Journal of Finance, 28, pp.695~210 (1983)
  16. Comparing Density Forecasts via Weighted Likelihood Ratio Tests: Asymptotic and Bootstrap Methods, "Giacomini, R.", University of California at San Diego, ~ (2002)
  17. Granger, C. W. J., "Improved Methods of Combining Forecasts", Journal of Forecasting, 3(2), pp.197~204 (1984)
  18. Hall, S. G., "Combining Density Forecasts", International Journal of Forecasting, 23(1), pp.1~13 (2007), Elsevier
  19. Hendry, D. F., "Combining Disaggregate Forecasts or Combining Disaggregate Information to Forecast an Aggregate", Journal of Business &Economic Statistics, 29(2), pp.216~227 (2011)
  20. Hoeting, J. A., "Bayesian Model Averaging: A Tutorial", Statistical Science, 14(4), pp.382~401 (1999)
  21. Huang, H., "To Combine Forecasts or to Combine Information?", Econometric Reviews, 29(5), pp.534~570 (2007)
  22. Hyndman, R. J., "Optimal Combination forecasts for Hierarchical Time Series", Computational Statistics and Data Analysis, 55(9), pp.2579~2589 (2011)
  23. Jore, A. S., "Combining Forecast Densities from VARs with Uncertain Instabilities", Journal of Applied Econometrics, 25, pp.621~634 (2010)
  24. Kapetanios, G., "Forecast Combination and the Bank of England's Suite of Statistical Forecasting Models", Economic Modelling, 25(4), pp.772~792 (2008)
  25. Kascha, C., "Combining Inflation Density Forecasts", Journal of Forecasting, 29(1-2), pp.231~250 (2010)
  26. Forecasting Macroeconomic Variables Using Data Dimension Reduction Methods: The Case of Korea, "Kim, H. H.", Bank of Korea, ~, pp.Bank of Korea Working Paper, 2013-23 (2013)
  27. Mining Big Data Using Parsimonious Factor and Shrinkage Methods, "Kim, H. H.", Rutgers University, ~ (2013)
  28. Kim, H. H., "Forecasting Financial and Macroeconomic Variables Using Data Reduction Methods: New Empirical Evidence", Journal of Econometrics, 178(2), pp.352~367 (2014)
  29. The Use of Encompassing Test for Forecast Combinations, "Kisinbay, T.", International Monetary Fund, ~, pp.Working Paper, 07 (2007), 264
  30. Koop, G., "Forecasting in dynamic factor models using bayesian model averaging", Econometrics Journal, 7(2), pp.550~565 (2004)
  31. Kurz-Kim, J-r., "Combining Forecasts Using Optimal Combination Weight and Generalized Autoregression", Journal of Forecasting, 27, pp.419~432 (2008)
  32. Evaluating, Comparing and Combining Density Forecasts Using the KLIC with an Application to the Bank of England and NIESR 'Fan' Charts of Inflation, "Mitchell, J.", 995~1033 (2005)
  33. Mitchell, J., "Evaluating Density forecasts: Forecast Combinations, Model Mixtures, Calibration and Sharpness", Journal of Applied Econometrics, 26, pp.1023~1040 (2011)
  34. Moench, E., "A Hierarchical Factor Analysis of U.S. Housing Market Dynamics", Econometrics Journal, 14(1), pp.C1~C24 (2011)
  35. Newbold, P., "A Companion to Economic Forecasting" (2001), Blackwell
  36. Noceti, P., "An Evaluation of Tests of Distributional Forecasts", Journal of Forecasting, 22(6-7), pp.447~455 (2003)
  37. Asymmetric Density Forecasting of U.S. Macroeconomic Variables, "Smith, M. S.", University of Warwick, ~ (2013)
  38. Tay, A., "Density Forecasting: A Survey", Journal of Forecasting, 19, pp.235~254 (2000)
  39. Timmermann, A., "Handbook of Economics Forecasting" (2006), Elsevier
  40. Wallis, K. F., "Chi-squared Tests of Interval and density Forecasts, and the Bank of England's Fan Charts", International Journal of Forecasting, 19(3), pp.165~175 (2003)
  41. Wallis, K. F., "Combining Density and Interval Forecasts: A Modest Proposal", Oxford Bulletin of Economics and Statistics, 67(s1), pp.983~994 (2005)
  42. Watson, M. W., "Combination Forecasts of Output Growth in a Seven-country Data Set", Journal of Forecasting, 23(6), pp.405~430 (2004)
  43. West, K. D., "Encompassing Tests When No Model is Encompassing", Journal of Econometrics, 105(1), pp.287~308 (2001)
  44. Wolters, M. H., "Evaluating Point and Density Forecasts of DSGE Models", Journal of Applied Econometrics
  45. Yang, Y., "Combining Forecasting Procedures: Some Theoretical Results", Econometric Theory, 20(1), pp.176~222 (2004)
  46. Zou, H., "Combining Time Series Models for Forecasting", International Journal of Forecasting, 20, pp.69~84 (2004)

관련 논문AI추천

우리나라 소비자물가상승률 예측강규호, 김정성, 신세림한국은행 · 경제분석2021 · 제27권 제4호우리나라 소비자전망지수의 경제예측력 제고 방안에 관한 연구조하현, 황선웅한국은행 · 경제분석2009 · 제15권 제1호인플레이션 전망에 있어서 정보변수의 역할김종화, 이중식한국은행 · 경제분석2005 · 제11권 제3호한국 경제변수에 대한 자기회귀 및 벡터자기회귀 모형의 예측성과 비교김덕파, 이진희한국은행 · 경제분석2014 · 제20권 제4호우리나라 스태그플레이션 발생확률 추정강규호, 박근형한국은행 · 경제분석2022 · 제28권 제3호상향식 머신러닝 기법을 활용한 한국의 인플레이션 예측위승현, 이동재한국경제학회 · 경제학연구2025 · 제73권 제4호

이 간행물의 다른 논문 (4건)

집적경제의 원천에 대한 실증분석: 공집적 패턴에 주목하여변창욱pp. 1-34한국 은행산업의 부가가치와 생산성홍승기, 김세직pp. 35-74인공적 거래시장을 활용한 고용 타게팅: ‘스마트’ 고용정책의 가능성강두용pp. 75-102우리나라의 금융사이클 측정박양수, 이정연pp. 137-155
원문 보기