Infliacijos prognozavimas faktoriniais modeliais

LTŠiame darbe pritaikyti didelės apimties faktoriniai modeliai Lietuvos vartotojų ir gamintojų mėnesinei infliacijai prognozuoti. Ištirtas sudarytų faktorinių modelių pranašumas, lyginti su atsitiktinio klajojimo ir pirmos eilės autoregresijos modeliais. Tyrime naudojamos 147 mėnesinio dažnumo laiko eilutės nuo 1996 m. iki 2007 m. Gauta, kad gamintojų infliaciją Lietuvoje tiksliausiai prognozuoja faktoriniai modeliai. Vartotojų infliaciją – atsitiktinio klajojimo modelis, tačiau faktorinis modelis yra pranašesnis, palyginti su pirmos eilės autoregresijos modeliu, atliekant trumpalaikę prognozę. Ištyrus faktorinius modelius, sudarytus pagal duomenų grupes, gauta, kad vartotojų infliaciją Lietuvoje geriausiai atspindi kainų duomenys, o modelio maksimaliam prognozės tikslumui gauti pakanka panaudoti vieną faktorių. [Iš leidinio]Reikšminiai žodžiai: Faktorinė analizė; Infliacija; Pagrindinių komponentų metodas; Pagrindinių komponenčių metodas; Factor analysis; Inflation; Key components method; Principal component method.

ENIn this paper we apply the factor models to produce short-term forecasts for Lithuanian consumer and producer inflation. The factor models are compared with a random walk and the first order autoregression models. In this research work are used 147 time series publicly available at monthly frequency from 1996 until 2007. Research shows that, according Kaiser-Meyer-Olkin test, the most of these series (61 percent) are suitable for the factor analysis. The best forecast of producer price inflation is obtained by employing the factor model. The best forecast of consumer price inflation (according harmonised index of consumer prices) is made by employing the random walk model, but the factor model is better as the first order autoregressionmodel at short-term forecast horizon. Price data best describes consumer inflation for Lithuania and a single factor is needed to producemaximum accuracy of the model. [From the publication]