Forecasting inflation rate: methods of univariate time series forecasting

Abstract

This dissertation attempts to forecast Greece's inflation rate, using functional univariate time series techniques. The goal is to cover a plethora of the most used methods of forecasting time series involving both Econometric and Machine Learning models. Some of the applied methods are the following: Simple Exponential Smoothing (SES), Holt's linear trend, Holt-Winter's Seasonal model and Box-Jenkins ARIMA (Autoregressive Integrated Moving Averages) methodology along with its extension the SARIMA (Seasonal Arima) methodology. Forecasting the inflation rate is of high importance given that the inflation is a key indicator of a country's economic activity. These forecasts can be used for the purpose of fiscal and monetary policy making, or in the private sector as the financial and labor market are greatly affected by changes in the inflation rate.

Η διπλωματική αυτή εργασία επιχειρεί να προβλέψει τον ρυθμό πληθωρισμού της Ελλάδας χρησιμοποιώντας λειτουργικές μεθόδους πρόβλεψης χρονολογικών σειρών. Ο στόχος της διπλωματικής είναι να καλύψει ένα πλήθος τεχνικών πρόβλεψης που χρησιμοποιούνται ευρέως και περιλαμβάνουν Οικονομετρικά μοντέλα καθώς και μοντέλα Μηχανικής Μάθησης. Κάποια από αυτά τα μοντέλα είναι τα εξής: η Simple Exponential Smoothing (SES), Holt's linear trend, Holt-Winter's Seasonal model και τέλος η μεθοδολογία των Box-Jenkins ARIMA, μαζί με την επέκταση της στο εποχικό υπόδειγμα SARIMA. Η πρόβλεψη του ρυθμού πληθωρισμού είναι πολύ σημαντική, καθώς πρόκειται για έναν δείκτη κλειδί για τη μέτρηση και αξιολόγηση της οικονομικής δραστηριότητας μιας χώρας. Αυτές οι προβλέψεις μπορούν να χρησιμοποιηθούν για τη χάραξη δημοσιονομικής και νομισματικής πολιτικής, αλλά και στον ιδιωτικό τομέα καθώς αλλαγές στον πληθωρισμό επηρεάζουν άμεσα και την αγορά.