Does It Add Up? Reconciling Forecasts and Impulse Responses for Hierarchical Macroeconomic Data
In diesem Beitrag wird ein Modell vorgestellt, das die Prognoseabstimmung in die bayessche VAR-Modellierung für hierarchische makroökonomische Daten mit fehlenden Daten integriert. Durch den Einsatz präzisionsbasierter Sampling-Verfahren zur Erzeugung hochfrequenter latenter Schätzwerte konstruieren wir einen konsistenten Proxy für die Kovarianzmatrix der Prognosefehler, was eine optimale Abstimmung auch bei kurzen Datensätzen ermöglicht. Wir beweisen die asymptotische Konvergenz dieses Schätzers und zeigen, dass sich die Prognoseabstimmung formal als Sonderfall der bedingten Prognose ableiten lässt, was eine unkomplizierte Implementierung mit Standard-Zustandsraumalgorithmen ermöglicht. Wir leiten abgestimmte Impulsantwortfunktionen ab, die gewährleisten, dass sich die strukturellen Antworten der untersten Ebene exakt zur Impulsantwort der obersten Ebene summieren. Durch die Anwendung des Modells auf regionale Wirtschaftsdaten aus Großbritannien und Deutschland zeigen wir Verbesserungen der Prognosegenauigkeit bei gleichzeitig strukturell konsistenten Impulsantworten.