Forecasting macroeconomic series using advanced econometric models

Abstract

Στόχος της διατριβής είναι η ανάπτυξη οικονομετρικών μοντέλων για την πρόβλεψη των τιμών της εξαρτημένης μεταβλητής, της αύξησης του πραγματικού ΑΕΠ των ΗΠΑ. Αρχικά, υπάρχουν 52 διαθέσιμες ανεξάρτητες μεταβλητές οι οποίες αφορούν τριμηνιαίες τιμές από το πρώτο τρίμηνο του 1986 έως το τέταρτο τρίμηνο του 2021. Με βάση τον στόχο της διατριβής, χρησιμοποιώντας τις διαθέσιμες μεταβλητές, δημιουργήθηκαν 30 οικονομετρικά υποδείγματα, τα οποία βασίζονται σε οικονομετρικές μεθοδολογίες, για τις οποίες γίνεται λεπτομερής επεξήγηση του τρόπου λειτουργίας τους. Οι οικονομετρικές μεθοδολογίες που χρησιμοποιήθηκαν είναι οι ακόλουθες: Ridge, Lasso, Elastic Net, Ανάλυση κύριων συνιστωσών, Μερικά ελάχιστα τετράγωνα και πολλαπλή παλινδρόμηση. Στη συνέχεια, για την πρόβλεψη των τιμών της εξαρτημένης μεταβλητής US Real GDP Growth, Out - of - Sample Forecast χρησιμοποιείται αφού πρώτα έχει αναλυθεί ο τρόπος λειτουργίας της κάθε μεθόδου με ορίζοντα πρόβλεψης να είναι ίσος με 4 περιόδους. Στη συνέχεια, παρουσιάζονται τα αποτελέσματα των προβλέψεων όλων των υποδειγμάτων προκειμένου να αξιολογηθεί ποιο υπόδειγμα έχει την καλύτερη προβλεπτική ικανότητα. Για να γίνει αυτό, παρουσιάζονται πίνακες με τις πραγματικές τιμές του US Real GDP Growth, οι τιμές των προβλέψεων κάθε μοντέλου και τα σφάλματα πρόβλεψης. Τέλος, παρουσιάζονται σημαντικά στοιχεία που έχουν ως στόχο να απεικονίσουν τις τιμές των προβλέψεων σε σύγκριση με τις πραγματικές τιμές της αύξησης του πραγματικού ΑΕΠ των ΗΠΑ.

The aim of the thesis is to develop econometric models to forecast the values of the dependent variable, US Real GDP Growth. Initially, there are 52 available independent variables which relate to quarterly prices from the first quarter of 1986 to the fourth quarter of 2021. Based on the objective of the thesis, using the available variables, 30 econometric models have been created, which are based on econometric methodologies, for which a detailed explanation of their mode of operation is provided. The econometric methodologies used are the following: Ridge, Lasso, Elastic Net, Principal Component Analysis, Partial Least Squares and Multiple regression. Then for forecasting the values of the dependent variable US Real GDP Growth, Out - of - Sample Forecast is used after first analyzing the way the method works with Forecast Horizon is with 4 periods. Then, the results of the forecasts of all models are presented in order to evaluate which model has the best predictive ability. In order to do this, tables are presented with the actual values of the US Real GDP Growth, the values of the forecasts of each model and the forecast errors. Finally, important figures are presented which aim to illustrate the values of the predictions in comparison with the actual values of US Real GDP Growth.