2022-12-03-IMF-新冠肺炎疫情以来阿鲁巴月度旅游人数建模与预测（英）_38页_1mb

总结：Modeling and Forecasting Monthly Tourism Arrivals to Aruba Since COVID-19 Pandemic

核心内容

本研究旨在改进疫情后对阿鲁巴月度旅游抵达量的建模与预测方法，通过引入外生变量（如谷歌趋势、航班容量利用率和VIX指数）来提高预测准确性。阿鲁巴作为一个高度依赖旅游业的小岛经济体，其旅游市场主要受美国游客影响，因此研究重点放在美国市场相关的变量上。

主要观点

• 疫情对旅游业的冲击：新冠疫情对阿鲁巴的旅游业造成了重大影响，2020年旅游抵达量下降了约2/3，2021年恢复至2019年的72%。
• 模型改进：通过使用ARIMA-X模型（含外生变量），研究发现航班容量利用率（CAP）是预测疫情期间旅行限制的最佳变量。
• 美国经济变量的重要性：美国实际个人消费支出（RPCE）比实际个人收入（RPI）更能反映疫情对消费者行为的影响，因为疫情财政支持并未完全转化为消费。
• Google Trends的作用：谷歌趋势数据（GT）在预测旅游抵达量方面具有显著价值，特别是在疫情前后。
• 截距校正的必要性：截距校正（IC）有助于提高模型在全样本中的预测准确性。
• 疫情改变了经济关系：疫情导致了旅游抵达量与主要决定因素之间的计量经济关系发生变化，因此需要重新估计模型。
• 风险与不确定性指标：VIX指数和美国经济政策不确定性指数（EPU）在疫情前有助于预测，但在疫情后其作用减弱，特别是在引入截距校正后。
• 预测结果：研究提供了18个月的外推预测，预计阿鲁巴平均每月将接待约92,800名游客，5%置信区间为78,900至106,600名游客。

关键信息

数据与样本

• 数据来源：
  • 阿鲁巴游客抵达量数据来自阿鲁巴中央银行（CBA）和阿鲁巴旅游局（ATA）。
  • 美国实际个人收入（RPI）和实际个人消费支出（RPCE）数据来自圣路易斯联邦储备银行（St. Louis Fed）。
  • 航班容量利用率（CAP）数据来自美国运输统计局（BTS）。
  • 谷歌趋势（GT）数据用于监测美国游客对阿鲁巴旅游的兴趣。
  • VIX指数和EPU指数用于衡量市场风险和不确定性。
• 样本时间范围：
  • 原始估计样本：2004年1月至2019年12月（192个观测值）。
  • 测试样本：2020年1月至2022年6月。
  • 扩展样本：包括2020年和2021年的数据。

方法论

• 使用ARIMA-X模型（含外生变量）进行建模与预测。
• 包括月份虚拟变量以捕捉季节性因素。
• 对模型进行了截距校正（IC）以提高预测准确性。
• 测试了不同风险和不确定性指标对预测的影响，包括VIX、EPU1、EPU2和美国失业率。

实证结果

• 主要变量：
  • 航班容量利用率（CAP）始终是重要的预测变量。
  • 谷歌趋势（GT）和美国实际个人消费支出（RPCE）在疫情前和疫情后都显著。
  • 截距校正显著提高了模型在全样本中的预测能力。
• 模型比较：
  • 在原始样本中，纯ARIMA模型与ARIMAX模型的预测效果相近。
  • 引入截距校正后，模型表现更优。
  • 不同风险和不确定性指标对预测的贡献各异，其中VIX和EPU1在疫情前表现较好，但在疫情后变得不显著。

预测结果

• 研究提供了18个月的外推预测，预计阿鲁巴平均每月将接待约92,800名游客。
• 5%置信区间为78,900至106,600名游客，表明预测的不确定性。

结论

• 疫情显著改变了旅游抵达量与主要决定因素之间的关系。
• 建议分析师重新估计模型以适应新的经济环境。
• 引入外生变量（如Google Trends、航班容量利用率）有助于提高预测准确性。
• 截距校正对模型的改进具有重要意义。
• 预测结果显示，阿鲁巴旅游业正在逐步恢复，但未来的预测仍需考虑新的结构变化和不确定性因素。

参考文献与关键词

• 关键词：计量经济建模、预测、旅游业、抵达量、谷歌趋势、航班容量利用率、波动率指数、截距校正、疫情、经济不确定性。
• JEL分类号：C22; C53; F47; L83。

附录内容概要

• 附录1：对谷歌趋势数据的说明，包括数据来源和处理方式。
• 附录2：展示了旅游抵达量和解释变量的动态变化。
• 附录3：包含主要实证结果和模型比较。
• 附录4：提供了预测结果的对比图表。
• 附录5：包括稳健性检验结果，验证了不同变量对模型的影响。

建议

• 疫情后，应重新评估并调整旅游预测模型，以反映新的经济和行为模式。
• 预测应结合实时数据和外部变量，如Google Trends、航班容量利用率和市场不确定性指标。
• 模型应考虑季节性和结构性变化，以提高预测的准确性和实用性。