美联储-实时预测美国通胀（英文）-2021.3-32页_348kb

总结：实时预测美国通货膨胀

核心内容

本文探讨了在实时环境中，如何利用额外信息（如宏观经济变量、专家判断或预测组合）提高美国通货膨胀预测的准确性与稳健性。研究基于个人消费支出（PCE）价格指数，该指数是美联储评估通胀目标的主要工具。文章分析了在疫情前、金融危机期间及之后的通胀预测表现，具有对当前经济环境的现实意义。

主要观点

1. 简单模型仍具优势：虽然简单模型在预测通胀方面难以被超越，但额外信息在某些情况下能显著提升预测效果，尤其是在金融危机后的时期。
2. 预测组合提升准确性：预测组合方法（如将多个模型的预测结果加权平均）能够提高预测的准确性，并增强预测的稳健性，这在当前经济不确定性较高的背景下尤为重要。
3. 分项预测优于整体预测：将通货膨胀的各个组成部分（如核心通胀、食品价格、能源价格）分别预测并进行汇总，相较于直接预测整体通胀，能提高预测性能。
4. 专家判断在短期预测中表现优异：基于调查的专家判断预测（如专业预测者调查（SPF）和美联储内部预测（Tealbook））在短期内提供了更准确的通胀预测，可能因为其整合了更广泛和及时的数据集。

关键信息

1. 研究背景与目标

• 美国失业率在2019年12月降至1969年以来的最低水平，但通胀并未显著上升，这引发了对通胀预测方法的重新思考。
• 研究旨在探索哪些信息有助于构建更准确和稳健的通胀预测模型，特别是在当前经济危机背景下。

2. 数据来源

• 使用PCE价格指数作为通胀衡量标准，该指数由美国经济分析局（BEA）发布。
• 包括CPI（由劳工统计局（BLS）发布）作为次要参考。
• SPF和Tealbook数据用于判断性预测，这些数据具有不同的发布频率和时间安排。

3. 预测方法

• 自回归模型（AR）：基于通胀的滞后值，是最简单的预测模型。
• 通胀缺口模型（AR-Gap）：将通胀视为围绕趋势的短期波动，利用SPF的长期通胀预期作为趋势估计。
• 菲利普斯曲线模型：将宏观经济变量（如失业率、经济 slack、进口价格和能源价格）纳入模型，以提升预测能力。
• 向量自回归模型（VAR）：将菲利普斯曲线模型扩展，考虑多个变量之间的动态关系。
• 分项预测与汇总：分别预测核心、食品和能源价格，再按其在PCE中的权重进行汇总。

4. 判断性预测

• SPF预测：自2007年起，SPF提供季度和长期通胀预测。长期预测用于插值短期预测，以构建更完整的预测序列。
• Tealbook预测：由美联储内部专家提供，主要用于评估联邦公开市场委员会（FOMC）会议的政策预期。由于发布延迟，仅能用于2014年之前的预测。

5. 预测组合方法

• 采用两种方法进行预测组合：
  • 简单组合：对所有模型赋予相等权重。
  • MSE组合：根据模型在特定时间点的预测误差（均方误差）赋予不同权重，以提高整体预测性能。

6. 实证分析

• 研究使用递归扩展样本，从1988年开始，直到2019年第四季度。
• 由于PCE数据存在修订，采用滞后两个季度的PCE数据作为真实值，以构建预测误差。
• SPF和Tealbook预测在数据发布时间上存在差异，因此在分析中对预测时间进行了调整，以确保数据一致性。

结论

文章发现，尽管简单模型在通胀预测中仍占主导地位，但通过引入额外信息（如预测组合、分项预测和专家判断），可以显著提升预测的准确性和稳健性。特别是在经济不确定性较高、数据变化较大的时期，这些方法尤为重要。研究为当前和未来的通胀预测提供了有价值的参考，尤其是在疫情对经济造成冲击的背景下。