[论文解读] Predicting Inflation: Professional Experts Versus No-Change Forecasts

Tilmann Gneiting, Thordis L. Thorarinsdottir|arXiv (Cornell University)|Oct 12, 2010

Monetary Policy and Economic Impact参考文献 28被引用 13

一句话总结

本文将美国《专业预测者调查》（SPF）的通胀预测与新颖的概率性无变化预测进行比较——后者是基于近期通胀率滚动中位数的简单、数据驱动的基准预测。研究发现，尽管在当前季度的即时预测中，SPF专家的表现优于所有无变化预测，但在更长的预测时域内，概率性无变化预测的表现与SPF持平甚至更优，挑战了‘专家判断始终优于简单模型’的假设。

ABSTRACT

We compare forecasts of United States inflation from the Survey of Professional Forecasters (SPF) to predictions made by simple statistical techniques. In nowcasting, economic expertise is persuasive. When projecting beyond the current quarter, novel yet simplistic probabilistic no-change forecasts are equally competitive. We further interpret surveys as ensembles of forecasts, and show that they can be used similarly to the ways in which ensemble prediction systems have transformed weather forecasting. Then we borrow another idea from weather forecasting, in that we apply statistical techniques to postprocess the SPF forecast, based on experience from the recent past. The foregoing conclusions remain unchanged after survey postprocessing.

研究动机与目标

• 评估SPF提供的专业经济预测是否在预测美国通胀方面优于简单的统计基准。
• 提出并评估一种基于近期通胀数据滚动中位数的新型概率性无变化预测。
• 探讨对SPF预测进行统计后处理是否能提升预测性能，尤其是在较长预测时域内。
• 检验在不同评估指标和预测时域下，预测性能的稳健性。
• 鉴于其优异的表现和简洁性，主张将概率性无变化预测作为通胀预测的默认基准。

提出的方法

• 提出一种概率性无变化预测，以最近20期观测到的通胀率的中位数作为点预测，该预测在白噪声假设下被解释为最优。
• 将连续 ranked probability score（CRPS）作为预测性能的主要评估指标，用于衡量概率预测的准确性。
• 应用异方差回归（HR）和高斯混合（GM）模型对SPF预测进行后处理，以纠正偏差和校准误差。
• 将SPF视为一种集合预测系统，类比于集合天气预报，并应用气象学中使用的统计后处理技术。
• 采用两段正态分布和高斯混合预测分布下CRPS的闭式表达式，以高效计算预测准确性。
• 通过原始SPF预测和后处理SPF预测，与多种无变化基准对比，在1至5个季度的预测时域内评估预测表现。

实验结果

研究问题

• RQ1 在不同预测时域内，SPF预测是否优于传统和概率性无变化预测？
• RQ2 对SPF预测进行统计后处理是否能提升其预测准确性，尤其是在较长预测时域内？
• RQ3 当使用CRPS等正确评分规则评估时，SPF集合预测的表现与简单统计基准相比如何？
• RQ4 在经济动荡时期，概率性无变化预测是否比传统无变化预测更具稳健性和可靠性？
• RQ5 在通胀预测中，SPF中的专家判断在多大程度上超越了简单、数据驱动的模型而增加了实际价值？

主要发现

• 在当前季度即时预测（预测时域为一个季度）中，SPF中位数预测显著优于所有无变化预测，包括概率性无变化基准。
• 在预测时域为两至五个季度时，概率性无变化预测在平均CRPS指标下与SPF中位数预测表现持平或略优。
• 通过异方差回归和高斯混合模型进行统计后处理可提升SPF预测性能，但即便如此，后处理后的SPF预测在长时域内仍无法超越概率性无变化预测。
• 传统无变化预测表现较差，其均方误差（MSE）值显著高于SPF和概率性无变化预测，尤其在长时域内更为明显。
• 在五季度预测时域下，概率性无变化预测的平均CRPS为1.95，而SPF中位数预测为1.90，表明两者预测性能几乎持平。
• 研究结论认为，由于其简洁性、稳健性以及出色的实证表现，应将概率性无变化预测采纳为通胀预测的默认基准。