In questo lavoro si propone l’utilizzo, ai fini dello studio delle serie storiche macroeconomiche, di una nuova classe di modelli statistici di tipo autoregressivo con parametri variabili nel tempo e distribuzione non Gaussiana degli errori.
Il lavoro si concentra in particolare sul caso di distribuzione t di Student degli errori, che rispetto a quella Gaussiana presenta una coda più “pesante”, cioè attribuisce maggiore probabilità alla realizzazione di eventi estremi.
Per la stima si possono impiegare tecniche classiche di massima verosimiglianza, senza fare ricorso a metodi di simulazione di tipo Bayesiano, che risultano molto meno efficienti in termini computazionali.
Il modello proposto viene usato per l’analisi dell'inflazione in tutti i paesi del G7. I risultati empirici mostrano che l’utilizzo della distribuzione t di Student contribuisce a rendere più accurata sia la previsione puntuale sia la stima della delle previsioni. In particolare, nel confronto con la distribuzione Gaussiana, l’utilizzo della t di Student consente di migliorare in misura significativa la stima della probabilità che si verifichino periodi di bassa inflazione simili a quelli osservati di recente in molti paesi avanzati.
Uno dei vantaggi della metodologia proposta è la sua flessibilità, che la rende appropriata anche per lo studio di altri casi in cui siano presenti non linearità nelle dinamiche delle variabili economiche, come avviene ad esempio in presenza di fluttuazioni cicliche asimmetriche negli andamenti del PIL e dell’occupazione.
Pubblicato nel 2017 in: International Journal of Forecasting, v. 33, 2, pp. 482-501.
