N. 1016 - Previsioni di breve periodo dell'inflazione: l'approccio M.E.T.A.

Go to the english version Cerca nel sito

di Giacomo Sbrana, Andrea Silvestrini, Fabrizio Venditti giugno 2015

Il lavoro sviluppa una tecnica di previsione di breve periodo dell’inflazione al consumo basata su un modello multivariato a componenti non osservate, il cd. local level model. L’utilizzo in letteratura di questo approccio nella sua versione multivariata è stato finora limitato dai vincoli computazionali legati all’elevato numero di parametri da stimare.

In questo lavoro si utilizza un metodo recentemente proposto nella letteratura econometrica che, semplificando notevolmente la procedura di stima, rende possibile l’analisi di local level model multivariati di ampie dimensioni. Il metodo, denominato M.E.T.A. (Moment Estimation Through Aggregation), sfrutta alcune proprietà di aggregazione del modello multivariato tramite le quali è possibile stabilire una relazione univoca tra i parametri delle singole equazioni e quelli del sistema completo. Questo approccio, da un lato rende possibile l’analisi di sistemi multivariati di ampie dimensioni, dall’altro genera notevoli guadagni in termini di rapidità e accuratezza per sistemi di piccole dimensioni.

La metodologia viene utilizzata per prevedere su orizzonti brevi (da uno a due mesi in avanti) l’inflazione armonizzata al consumo nell’area dell’euro e nei maggiori paesi (Germania, Francia e Italia) sulla base delle informazioni contenute negli indici elementari dei prezzi al consumo.

L’analisi, relativa al periodo 1999-2014, mostra che il local level model multivariato produce previsioni più accurate rispetto a modelli vettoriali autoregressivi.

Inoltre, il M.E.T.A. permette di effettuare una valutazione del livello ottimale della dimensione del modello da utilizzare per prevedere l’inflazione. I risultati mostrano che modelli multivariati di media scala (basati cioè su un’aggregazione preliminare degli indici elementari dei prezzi in un numero limitato di sub-indici) forniscono previsioni più accurate rispetto a quelli di ampia scala (basati sui singoli indici dei prezzi).

Infine, le previsioni fornite dal modello di media scala sono più precise di quelle degli operatori professionali censiti mensilmente da Bloomberg. Combinando le previsioni del modello con quelle degli operatori si possono ottenere ulteriori guadagni in termini di accuratezza.

Pubblicato nel 2017 in: International Journal of Forecasting, v. 33, 4, pp. 1065-1081.

Testo della pubblicazione