2018年-BIS国际清算银行_The_perils_of_approximating_fixed-horizon_inflation_forecasts_with_fixed-event_forecasts_24页_503kb

报告摘要

《用固定事件预测近似固定期限通胀预测的隐患》总结

核心内容

本文探讨了在使用固定期限（fixed-horizon）通胀预测时，用固定事件（fixed-event）预测进行近似所带来的问题。作者利用美国“专业预测者调查”（Survey of Professional Forecasters, SPF）数据，对近似方法的误差进行了量化分析，并提出了一种改进的近似方法，以减少这种误差对预测性质的影响。

主要观点

固定事件预测与固定期限预测的区别：
- 固定事件预测：预测的事件保持不变，预测期限变化，如连续月份对同一年度通胀的预测。
- 固定期限预测：预测事件和预测期限同步变化，预测期固定，如对未来12个月通胀的预测。
近似方法的普遍性与问题：
- 在实际研究中，固定事件预测常被用来近似固定期限预测。
- 这种近似方法会导致预测误差，包括均值绝对误差（MAE）和均方误差（MSE），且误差幅度较大，可达通胀水平的10%。
- 近似方法还可能导致预测方差和持续性（persistence）的显著变化，从而影响预测结果的可靠性。
近似误差的后果：
- 近似方法可能引入偏差，影响对通胀预期的统计分析。
- 方差和峰度（kurtosis）的变化可能误导对预测者分歧程度的判断，进而影响对央行可信度的评估。
改进方法的提出：
- 基于通胀预测随期限增加而更加“锚定”的假设，提出了一种调整方法。
- 调整后的近似方法显著降低了均值绝对误差（减少13%）和均方误差（减少21%）。
- 调整后，预测的方差、偏度和峰度更接近实际数据，提高了预测的准确性。

关键信息

数据来源与处理

使用的是SPF数据，包含季度和年度通胀预测。
数据时间范围为1990年第一季度至2017年第一季度。
对于每个季度，可以构造实际和近似12个月通胀预测。

近似方法

常用近似方法：使用固定事件预测的加权平均来近似固定期限预测，公式如下：

$$
\hat{\pi}{t+12|t} = \frac{k}{12} \hat{\pi}{t+k|t} + \frac{12-k}{12} \hat{\pi}_{t+12+k|t}
$$
误差衡量：
- 均值绝对误差（MAE）：约0.2–0.3个百分点，占通胀水平的10%。
- 均方误差（MSE）：同样显著，且在不同样本中表现不一。

实证结果

误差分布：
- 对于不同季度，近似误差大小不一，部分情况下差异较大（如2001年和2007–09年）。
- 误差在经济衰退期间尤为明显，表明近似方法在经济波动时效果较差。
方差与持续性：
- 近似方法显著改变了预测的方差，影响预测者分歧程度的衡量。
- 持续性（persistence）在近似预测中也表现出显著差异，且在样本后半段更明显。
偏度与峰度：
- 近似方法导致预测分布的偏度和峰度与实际数据存在显著差异。
- 调整后，这些高阶统计量更接近实际值，提高了预测的稳健性。