آمار
| تعداد نشریات | 28 |
| تعداد شماره‌ها | 426 |
| تعداد مقالات | 4,164 |
| تعداد مشاهده مقاله | 6,739,121 |
| تعداد دریافت فایل اصل مقاله | 4,988,661 |
ارزیابی عملکرد شاخص شرایط مالی در پیشبینی متغیرهای کلان اقتصادی ایران؛ رهیافت الگوهای پارامتر متغیر زمانی | ||
| پژوهشنامه اقتصاد کلان Macroeconomics Research Letter | ||
| دوره 16، شماره 32، آذر 1400، صفحه 271-299 اصل مقاله (911.58 K) | ||
| نوع مقاله: علمی | ||
| شناسه دیجیتال (DOI): 10.22080/iejm.2023.24678.1943 | ||
| نویسندگان | ||
| عاطفه اله وردی1؛ سعید دائی کریم زاده* 2؛ سارا قبادی3 | ||
| 1دانشجوی دکتری، گروه اقتصاد، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران، | ||
| 2دانشیار، گروه اقتصاد، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران | ||
| 3استادیار، گروه اقتصاد، دانشگاه آزاد اسلامی، واحد اصفهان (خوراسگان)، اصفهان، ایران | ||
| تاریخ دریافت: 22 آذر 1401، تاریخ بازنگری: 12 اسفند 1401، تاریخ پذیرش: 14 اسفند 1401 | ||
| چکیده | ||
| امروزه در بسیاری از کشورهای جهان، شاخص شرایط مالی به عنوان ابزاری برای پیشبینی متغیرهای کلان اقتصادی معرفی شده است. به همین منظور در مطالعه حاضر، ابتدا به ساخت شاخص شرایط مالی در الگوهای مختلف پارامترهای متغیر زمانی پرداخته و سپس عملکرد شاخص شرایط مالی در پیشبینی متغیرهای کلان اقتصادی با استفاده از رویکرد میانگین مربعات خطای پیشبینی (MSFE) و رویکرد مجموع تجمعی لگاریتم احتمالات پیشبینی مورد تجزیه و تحلیل قرار میگیرد. نتایج حاصله بیانگر آن است که شاخص شرایط مالی ساخته شده توانایی انطباق با حالتهای مختلف اقتصاد ایران را دارد و نوسانات آن در طول زمان افزایش مییابد. براساس نتایج بدست آمده از رویکرد میانگین مربعات خطای پیشبینی، الگوی خودتوضیح‌برداری عامل افزوده شده با پارامترهای متغیر زمانی (TVP-FAVAR) در مقایسه با الگوی خودتوضیح برداری عامل افزوده‌شده (FAVAR) و نیز الگوی خودتوضیح برداری پارامتر متغیر زمانی عامل افزوده‌شده (FA-TVP-VAR) خطای پیشبینی کمتری را در برخی از متغیرهای کلان اقتصادی نشان میدهد و نیز استفاده از الگوهای ترکیبی خودتوضیح برداری عامل افزوده شده با پارامترهای متغیر زمانی که در آن ضرایب و مجموعه متغیرهای منتخب شاخص شرایط مالی بسته به شرایط اقتصادی تغییر میکنند، باعث بهبود عملکرد شاخص شرایط مالی در پیشبینی متغیرهای کلان اقتصادی میشود. نتایج مجموع تجمعی لگاریتم احتمالات پیشبینی نشان میدهد که به کارگیری الگوهای پارامتر متغیر اثر زیادی در کاهش خطای پیشبینی برخی از متغیرهای کلان ندارد. | ||
| کلیدواژه‌ها | ||
| شاخص شرایط مالی؛ پیشبینی؛ متغیرهای کلان اقتصادی؛ میانگین مربعات خطای پیشبینی؛ مجموع تجمعی لگاریتم احتمالات پیش-بینی | ||
| عنوان مقاله [English] | ||
| Evaluating the Performance of the Financial Condition Index in Forecasting Iran's Macroeconomic Variables: Time-varying Parameter Patterns Approach | ||
| نویسندگان [English] | ||
| Atefe Alahverdi1؛ saeed Daei-Karimzadeh2؛ Sara Ghobadi3 | ||
| 1Ph.D. Student, Department of Economics, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran | ||
| 2Associate Professor, Department of Economics, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran, | ||
| 3Assistant Professor, Department of Economics, Isfahan (Khorasgan) Branch, Islamic Azad University, Isfahan, Iran | ||
| چکیده [English] | ||
| Today, the financial condition index is introduced as a tool for forecasting macroeconomic variables in many countries of the world. The aims of the present study are, first, to construct the financial condition index in different patterns of time-varying parameters and then, to analyze the performance of the financial conditions index in order to forecast the macroeconomic variables using the mean squared forecasting error approach (MSFE) and the cumulative sum of log-predictive likelihoods. The results show that the constructed financial conditions index can adapt to different states of Iran's economy and its fluctuations increase over time. Based on the obtained results, the time-varying parameter factor-augmented vector autoregressive model (TVP-FAVAR) shows less forecast error in some macroeconomic variables compared to the factor-augmented vector autoregressive model (FAVAR) and also the vector autoregressive time-varying parameter factor-augmented model (FA-TVP-VAR). The use of combined time-varying parameter factor-augmented vector autoregressive models when the coefficients and selected variables of the financial conditions index change depending on the economic condition, improve the performance of the financial conditions index in forecasting macroeconomic variables. The cumulative sum of log-predictive likelihoods shows that using variable parameter patterns does not have a great effect in reducing the forecast error of some macro variables. | ||
| کلیدواژه‌ها [English] | ||
| Financial condition index, forecasting, macroeconomic variables, mean squared forecasting error, the cumulative sum of log-predictive likelihoods | ||
| مراجع | ||
|
Angelopoulou, E., Balfoussia, H., & Gibson, H. D. (2014). Building a financial conditions index for the Euro area and selected Euro area countries: what does it tell us about the crisis?. Economic Modelling, 38, 392-403. Arman, S. A., Anvari, E., & RakiKianpour, S. (2022). The modeling of the dynamic financial conditions index and assessing it’s effectiveness in predicting Iran’s stock returns. Journal of Asset Management and Financing. (In Persian). Arrigoni, S., Bobasu, A., Venditti., F. (2022). Measuring financial conditions using equal weights combination. IMF Economic Review, 1-30. Atr Kar Roshan, S & Mahboubi, M. S. (2018). Extraction of financial conditions index for Iran. Economic Modeling Research Quarterly, 24, 147-173. (In Persian). Aye, G., Gupta, R., Hammoudeh, S., & Kim, W. J. (2015). Forecasting the price of gold using dynamic model averaging. International Review of Financial Analysis, 41, 257-266. Baauw,R.G.J. (2012). A financial conditions index for Russia: an adequate leading indicator for real GDP growth?, Thesis for the MSc. program economics, 1-90. Balcilar, M., Gupta, R., Van Eyden, R., Thompson, K., & Majumdar, A. (2018). Comparing the forecasting ability of financial conditions indices: The case of South Africa. The Quarterly Review of Economics and Finance, 69, 245-259. Balcilar, M., Thompson, K., Gupta, R., & Van Eyden, R. (2016). Testing the asymmetric effects of financial conditions in South Africa: a nonlinear vector autoregression approach. Journal of International Financial Markets, Institutions and Money, 43, 30-43. Batini, N .& Turnbull, K. (2002). A dynamic monetary conditions index for the UK. Journal of Policy Modeling, 24, 257–281. Brave, S. A., & Butters, R. A. (2011). Monitoring financial stability: a financial conditions index approach. Economic Perspectives, 35(1), 22-43. Cakmakli, C., Demircan, H., & Altug, S. (2019). Modeling of economic and financial conditions for nowcasting and forecasting recessions: a unified approach (No. 1907). Working Paper. English, W., Tsatsaronis, K., & Zoli, E. (2005). Assessing the predictive power of measures of financial conditions for macroeconomic variables. BIS Papers, 22, 228-252. Fahimifar, F., & Mohammadi, T. (2020). Comparing the performance of different methods of forecasting producer price index in Iran. Journal of Economics and Modeling, 10(4), 159-206. (In Persian). Ganchev, G. T., & Paskaleva, M. G. (2020). The importance of financial condition indices in South-Eastern Europe. International Journal of Contemporary Economics and Administrative Sciences, 10(1), 78-106. Gauthier, C., Graham, C. & Liu, Y. (2004). Financial conditions indexes for Canada. Working Papers Bank of Canada, 2004-22, 1-41. Giglio, S., Kelly, B., & Pruitt, S. (2016). Systemic risk and the macroeconomy: an empirical evaluation. Journal of Financial Economics, 119(3), 457-471. Goodhart, C., & Hofmann, B. (2001, March). Asset prices, financial conditions, and the transmission of monetary policy. In Conference on Asset Prices, Exchange Rates, and Monetary Policy, Stanford University (pp. 2-3). Hatzius, J., Hooper, P., Mishkin, F. S., Schoenholtz, K. L., & Watson, M. W. (2010). Financial conditions indexes: a fresh look after the financial crisis (No. w16150). National Bureau of Economic Research. Kazdal, A., Korkmaz, H. İ., & Yilmaz, M. H. (2022). Composing a high-frequency financial conditions index and the implications for economic activity. Borsa Istanbul Review, 22(4), 769-779. Koop, G., & Korobilis, D. (2013). A new index of financial conditions. Available at SSRN 2374980. Koop, G., & Korobilis, D. (2014). A new index of financial conditions. European Economic Review, 71, 101-116. Komijani, A., & Alinejad, M. F. (2012). Evaluating the effectiveness of money transfer channels on production and inflation and analyzing their relative importance in the Iranian economy. Quarterly Journal of Planning and Budget, 17(2), 39-63. Li, N., & Yuanchun, L. (2019). Construction of China’s financial conditions index in the post-crisis era. China Political Economy, 2(2), 258-276. Mayes, D. G., & Virén, M. (2001). Financial conditions indexes. Bank of Finland Working Paper, No.17/2001. Mishkin, F. S. (2010). The economics of money, banking and financial markets. Pearson education, HG173.M632, 10th edition, 1-720. Moccero, D. N., Pariès, M. D., & Maurin, L. (2014). Financial conditions index and identification of credit supply shocks for the Euro area. International finance, 17(3), 297-321. Mohseni, H., Pahlevani, M., Shahiki Tash, M. N. & Mir Jalili, S. H. (2019). Analyzing the role of unconventional monetary policy using the financial conditions index: a bayesian self-explained approach. Quarterly Journal of Economics and Modeling, 1, 211-240. (In Persian). Montagnoli, A., & Napolitano, O. (2005). Financial condition index and interest rate settings: a comparative analysis. Istituto di Studi Economici Working Paper, 8, 1-59. Qin, D., van Huellen, S., Wang, Q. C., & Moraitis, T. (2022). Algorithmic modelling of financial conditions for macro predictive purposes: pilot application to USA data. Econometrics, 10 (2), 22. Sadat, A., Abbasi, E., & Ghalibaf Asl, H. (2020). Dynamic relationships between financial conditions index and stock returns. Iranian Journal of Finance, 4(1), 124-145. Stock, J. H., Watson, M. W. (2002). Macroeconomic forecasting using diffusion indexes. Journal of Business & Economic Statistics, 20(2), 147-162. Swiston, M. A. (2008). A US financial conditions index: putting credit where credit is due. International Monetary Fund. Taghizadeh, H., Zamanian, G & Harati, J. (2016). Calculation of indicators of monetary and financial conditions using the method of analysis of basic components for the Iranian economy. Iranian Journal of Applied Economic Studies, 19, 29-57. (In Persian). Taheri Bazkhaneh, S., Ehsani, M. A., & Gilak Hakim Abadi, M. T. (2018). The investigating of the dynamic relationship between financial cycles with business cycles and the inflation gap in Iran: an application of Wavelet transform. Quarterly Journal of Economic Growth and Development Research, 9(33), 121-140. (In Persian). Wacker, K. M., Lodge, D., & Nicoletti, G. (2014). Measuring financial conditions in major non-euro area economics. European Central Bank, Working Paper Series No. 1743,1-45. | ||
|
آمار تعداد مشاهده مقاله: 680 تعداد دریافت فایل اصل مقاله: 233 |
||