Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "forecasting inflation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-8 z 8
    Tytuł:
    Forecasting the Polish Inflation Using Bayesian VAR Models with Seasonality
    Autorzy:
    Stelmasiak, Damian
    Szafrański, Grzegorz
    Powiązania:
    https://bibliotekanauki.pl/articles/2076506.pdf
    Data publikacji:
    2016
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    Bayesian shrinkage
    VAR models
    seasonality
    forecasting inflation
    density-based scores
    Opis:
    Bayesian VAR (BVAR) models offer a practical solution to the parameter proliferation concerns as they allow to introduce a priori information on seasonality and persistence of inflation in a multivariate framework. We investigate alternative prior specifications in the case of time series with a clear seasonal pattern. In the empirical part we forecast the monthly headline inflation in the Polish economy over the period 2011-2014 employing two popular BVAR frameworks: a steady-state reduced-form BVAR and just-identified structural BVAR model. To evaluate the forecast performance we use the pseudo realtime vintages of timely information from consumer and financial markets. We compare different models in terms of both point and density forecasts. Using formal testing procedure for density-based scores we provide the empirical evidence of superiority of the steady-state BVAR specifications with tight seasonal priors.
    Źródło:
    Central European Journal of Economic Modelling and Econometrics; 2016, 1; 21-42
    2080-0886
    2080-119X
    Pojawia się w:
    Central European Journal of Economic Modelling and Econometrics
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie tablic przepływów międzygałęziowych do modelowania procesów inflacyjnych
    Applying input-output tables for modeling inflation processes
    Autorzy:
    Przybyliński, Michał
    Gorzałczyński, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/684683.pdf
    Data publikacji:
    2016
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    model cen input-output
    prognozowanie inflacji
    HICP
    wskaźnik cen
    przepływy międzygałęziowe
    input-output price model
    forecasting inflation
    price index
    Opis:
    The aim of this study is a preliminary test of input-output price model as a tool for forecasting inflation. A procedure for predicting the popular price index HICP is proposed. The procedure is then tested on Danish economy for the period 2000–2007, due to the availability of statistical material. The procedure involves ex post solution of input-output price model for an open economy, and then applying appropriate weights to calculate a macroeconomic deflator of household consumption. In the experiment it was assumed, that the exogenous variables of the price model has been perfectly for seen, and the parameters of the model were adopted at the level of the preceding year. Forecasts errors were decomposed into three components. The proposed procedure is significantly different from the most frequently used methods of forecasting inflation, which describe the macroeconomic price indicators (with greater than annual frequency) using stochastic models.
    Celem niniejszego opracowania jest wstępna próba oceny modelu cen input-output jako narzędzia do prognozowania inflacji. Zaproponowano procedurę prognozowania popularnego indeksu HICP. Została ona przetestowana na przykładzie gospodarki Danii w latach 2000–2007, co wynikało z dostępności materiału statystycznego. Procedura polega na rozwiązaniu modelu cen input-output dla otwartej gospodarki, a następnie zastosowaniu odpowiednich wag do obliczenia makroekonomicznego deflatora konsumpcji gospodarstw domowych. W eksperymencie założono, że zmienne egzogeniczne modelu cenowego zostały przewidziane ze 100% trafnością, a parametry modelu przyjęto na poziomie z poprzedniego roku. Błędy tak uzyskanych prognoz zostały zdekomponowane na trzy składowe. Proponowana procedura znacznie różni się od najczęściej stosowanych metod prognozowania inflacji, które opisują zachowanie się makroekonomicznych wskaźników cenowych (z częstotliwością większą niż roczną) przy użyciu modeli stochastycznych.
    Źródło:
    Gospodarka w Praktyce i Teorii; 2016, 42, 1
    1429-3730
    2450-095X
    Pojawia się w:
    Gospodarka w Praktyce i Teorii
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Różniczkowy model inflacji rejestrowanej w Polsce
    Differential model of inflation in Poland
    Autorzy:
    Kisielińska, Joanna
    Powiązania:
    https://bibliotekanauki.pl/articles/453253.pdf
    Data publikacji:
    2010
    Wydawca:
    Szkoła Główna Gospodarstwa Wiejskiego w Warszawie. Katedra Ekonometrii i Statystyki
    Tematy:
    prognozowanie
    model inflacji
    forecasting
    model of inflation
    Opis:
    W artykule przedstawiono addytywny model z amplitudą oscylacji zmieniającą się według dowolnej funkcji czasu. Wykazano, że stanowi on uogólnienie zwykłego modelu addytywnego i multiplikatywnego. Jeśli założona zostanie wykładnicza postać amplitudy i oscylacje w postaci pojedynczej harmoniki szeregu Fouriera, można wyznaczyć współczynniki równania różniczkowego drgań harmonicznych tłumionych opisującego proces. Model zastosowano dla inflacji rejestrowanej od stycznia 1991 do grudnia 2009.
    In the article is shown additive model with amplitude of oscillation changing in any function of time. It was proven that this model is generalization of the ordinary additive and multiplicative models. Establishment of the amplitude as an exponential function and oscillations as single harmonics of Fourier’s series will let to write the inflation variability as a homogeneous second order differential equation with damping factor (equation of harmonic vibration damping). The model was used for monthly inflation from January 1991 to December 2009.
    Źródło:
    Metody Ilościowe w Badaniach Ekonomicznych; 2010, 11, 2; 151-160
    2082-792X
    Pojawia się w:
    Metody Ilościowe w Badaniach Ekonomicznych
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Czy dezagregacja indeksu cen poprawia prognozy polskiej inflacji?
    Forecasting Inflation Components – Does it Help to Predict Polish Inflation?
    Autorzy:
    Baranowski, Paweł
    Mazurek, Małgorzata
    Nowakowski, Maciej
    Raczko, Marek
    Powiązania:
    https://bibliotekanauki.pl/articles/1827218.pdf
    Data publikacji:
    2010-03-31
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    prognozowanie
    inflacja
    subindeksy cen
    agregacja
    forecasting
    inflation
    inflation components
    sectoral aggregation
    Polska
    Opis:
    W dotychczasowych badaniach rozważa się celowość wykorzystania na cele prognostyczne danych o niższym stopniu agregacji (np. dla inflacji Hubrich, 2005; Reijer and Vlaar, 2006). W artykule badamy czy prognozowanie 12 subindeksów cen dóbr i usług konsumpcyjnych (komponentów inflacji), a następnie ich agregacja poprawia trafność prognozy inflacji. Prognozy inflacji oraz jej poszczególnych komponentów wyznaczymy przy pomocy modeli autoregresji (AR), średniej ruchomej (MA), wektorowej autoregresji (VAR) oraz autoregresji progowej (TAR). Otrzymane wyniki nie pozwalają jednoznacznie rozstrzygnąć postawionego problemu. Okazuje się, że dla modeli AR i TAR dezagregacja nie pozwala zmniejszyć błędów prognoz, dla modeli MA nie otrzymano jednoznacznych wskazań testów, zaś dla VAR zmniejsza błędy prognoz.
    This paper examines whether forecasting CPI components improves CPI forecast. We exploit quarterly data for Poland, disaggregated into 12 components. We follow methodology used in previous studies for Euro Area (Hubrich, 2005; Reijer and Vlaar, 2006). AR, MA, TAR and unrestricted VAR models are estimated using recursive sample and aggregated into CPI. Using out-of-sample forecasts, these models are evaluated and compared to the benchmark -- equivalents for aggregate CPI. The evidence is mixed. VAR component-forecast outperform benchmark. Contrary to VAR, for AR and TAR models we do not find substantial gain from using disaggregated data. Results for MA models are not robust. Moreover, it seems that results for AR- and VAR-based forecasts are comparable to consensus forecast.
    Źródło:
    Przegląd Statystyczny; 2010, 57, 1; 17-33
    0033-2372
    Pojawia się w:
    Przegląd Statystyczny
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Latent factor growth models for forecasting Polish GDP growth, inflation and unemployment using survey data
    Autorzy:
    Białowolski, Piotr
    Powiązania:
    https://bibliotekanauki.pl/articles/500358.pdf
    Data publikacji:
    2015
    Wydawca:
    Szkoła Główna Handlowa w Warszawie
    Tematy:
    latent factor growth modelling
    forecasting
    GDP growth
    inflation
    unemployment
    Opis:
    In this paper a novel application of latent factor growth models is applied to responses to the manufacturing industry tendency survey conducted by the Research Institute for Economic Development, Warsaw School of Economics. An approach based on a common factor was assumed to explain variation in time response to specific questions drawn from the survey questionnaire. It was demonstrated that responses to questions relating to general economic situation in Poland, inflation and employment were explained by a latent growth factor, which was confirmed by RMSEA. Using cross-correlation and an ARIMAX model, it was shown that slopes obtained from latent factor growth models could be applied to forecasting or at least nowcasting of GDP growth and unemployment rate. Survey data of the type described clearly offer potential for refinement of economic projections and it is hoped that this work might stimulate further discussion of the methodology based on latent factor growth modeling for forecasting main macroeconomic time series.
    Źródło:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH; 2015, 96: Analyzing and forecasting economic fluctuations; 69-93
    0866-9503
    Pojawia się w:
    Prace i Materiały Instytutu Rozwoju Gospodarczego SGH
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Reguły polityki pieniężnej a prognozowanie wskaźnika inflacji
    Monetary Policy Rules and Forecasting of Inflation Rate
    Autorzy:
    Przybylska-Mazur, Agnieszka
    Powiązania:
    https://bibliotekanauki.pl/articles/593232.pdf
    Data publikacji:
    2013
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Polityka pieniężna
    Polityka pieniężna NBP
    Prognozowanie
    Wskaźnik inflacji
    Forecasting
    Inflation rate
    Monetary policy
    NBP monetary policy
    Opis:
    The feedback exists between monetary policy rules and inflation rate forecast. In this paper we analyse the impact kind of monetary policy rules on inflation rate forecast. We apply Svensson model and the presentation in the form of state space to forecasting of inflation rate.
    Źródło:
    Studia Ekonomiczne; 2013, 124; 233-244
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie inflacji w Polsce na podstawie modeli autoregresji wektorowej
    Forecasting Inflation in Poland Based on Vector Autoregressive Models
    Projections relatives à l’inflation en Pologne sur la base des modèles autorégressifs vectoriels
    Прогнозирование инфляции в Польше на основе модели векторной авторегрессии
    Autorzy:
    Wójcik, Szymon
    Powiązania:
    https://bibliotekanauki.pl/articles/543416.pdf
    Data publikacji:
    2015-01
    Wydawca:
    Główny Urząd Statystyczny
    Tematy:
    Model wektorowej autoregresji
    Prognozowanie
    Inflacja
    Zmienność poziomu cen
    Vector Autoregression Model (VAR)
    Forecasting
    Inflation
    Price level variability
    Opis:
    В статье были использованы модели векторной авторегрессии для прогнозирования месячного показателя потребительских цен в Польше. Выбор используемых макроэкономических переменных соответствовал трем теориям формирования инфляции: монетаристской, кейнсианской (курсовой) и издержек. В прогнозировании была использована концепция вне выборки (out-of-sample), а качество результатов было обследовано с использованием ошибок прогноз ex post.
    W artykule wykorzystano modele wektorowej autoregresji do prognozowania miesięcznego indeksu cen konsumenta w Polsce. Dobór użytych zmiennych makroekonomicznych odpowiadał trzem teoriom powstawania inflacji: monetarystycznej, keynesowskiej i kosztowej. W prognozowaniu wykorzystano koncepcję prognozowania poza próbę (out-of-sample), a jakość wyników zbadano przy pomocy błędów prognoz ex post.
    The article presents a usage of vector autoregressive models in forecasting polish consumer price index. Macroeconomic variables used in this paper are considered to reflect particular economic theories describing causes of inflation. Out-of-sample methodology was used in forecasting process. Accuracy of results was diagnosed by using ex post forecasting errors.
    Źródło:
    Wiadomości Statystyczne. The Polish Statistician; 2015, 1; 28-41
    0043-518X
    Pojawia się w:
    Wiadomości Statystyczne. The Polish Statistician
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Prognozowanie wybranego subindeksu CPI przy użyciu danych Google Trends
    Forecasting transport inflation using Google Trends
    Autorzy:
    Marynowska, Anna
    Powiązania:
    https://bibliotekanauki.pl/articles/585573.pdf
    Data publikacji:
    2018
    Wydawca:
    Uniwersytet Ekonomiczny w Katowicach
    Tematy:
    Analiza czynnikowa
    Google Trends
    Inflacja
    Prognozowanie
    Wskaźnik cen towarów i usług konsumpcyjnych
    Consumer price index (CPI)
    Forecasting
    Inflation
    Principal components
    Opis:
    Prognozy inflacji mają bezpośredni wpływ na prowadzenie polityki monetarnej państwa oraz odgrywają dużą rolę w uświadamianiu społeczeństwa o potrzebie wprowadzenia ewentualnych zmian w sposobie jej prowadzenia. W celu zapewnienia trafności konstruowanych prognoz stale poszukuje się zmiennych, które istotnie wpływają na inflację. Celem artykułu jest sprawdzenie, czy dane udostępniane przez serwis Google Trends mogą poprawić dokładność prognoz komponentów CPI związanych z sektorem transportowym. Dla każdego z subindeksów zbudowano modele prognostyczne uwzględniające zmienne wpływające na poziom wybranych cen, modele wzbogacone o hasła z wyszukiwarki Google i modele zawierające w swojej specyfikacji wspólne czynniki opisujące zmienność 32 wybranych haseł Google.
    Inflation forecasts determine the monetary policy and can be treated as a way of raising society’s awareness of the fact that it needs certain adjustments. Experts continuously seek for the adequate variables that affect the level of inflation. In this paper the author examines whether Google Trends improve forecast of three chosen CPI components related to transport. The Author created a prognostic model for each of the components. Created models include: independent variables such as oil price and rate of excise duty, chosen variables together with statistics provided by Google Trends or principal components (explaining 32 google variables’ volatility) accordingly.
    Źródło:
    Studia Ekonomiczne; 2018, 375; 55-72
    2083-8611
    Pojawia się w:
    Studia Ekonomiczne
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-8 z 8

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies