Τεχνικές ανάλυσης πολυδιάστατων οικονομικών χρονοσειρών

Abstract

Τα τελευταία χρόνια πολλοί οργανισμοί και ερευνητικά κέντρα έχουν στη διάθεση τους μεγάλα σύνολα δεδομένων. Τα δεδομένα αυτά μπορούν να χρησιμοποιηθούν προκειμένου να δημιουργηθούν πιο ακριβείς προβλέψεις διαφόρων οικονομικών στοιχείων. Ωστόσο κλασσικές μέθοδοι ανάλυσης πολυμεταβλητών χρονοσειρών αδυνατούν να εκμεταλευτούν το μεγάλο όγκο δεδομένων επειδή ο αριθμός των μεταβλητών είναι μεγαλύτερος από τον αριθμό των παρατηρήσεων. Το πρόβλημα αυτό μπορεί να ξεπεράσει το δυναμικό μοντέλο ανάλυσης παραγόντων με τη δημιουργία νέων μεταβλητών, οι οποίες προέρχονται από γραμμικούς συνδυασμούς των αρχικών και συνοψίζουν αρκετά ικανοποιητικά την πληροφορία που περιέχουν οι αρχικές μεταβλητές. Στόχος της εργασίας αυτής ήταν αρχικά η θεωρητική περιγραφή ενός από τα διαθέσιμα μοντέλα δυναμικής ανάλυσης παραγόντων και έπειτα η εφαρμογή της μεθοδολογίας που θα περιγράψουμε σε ένα σύνολο μετρήσεων, το οποίο θα αποτελείται από πραγματικά δεδομένα του ελληνικού χώρου. Συγκεκριμένα, κατασκευάσαμε ένα μοντέλο που να προβλέπει το ΑΕΠ και το συγκρίναμε με ένα υπόδειγμα ARIMA. Η σύγκριση έγινε χρησιμοποιώντας ως κριτήρια αξιολόγησης τα MSFE, MAE και MAPE. Το υπόδειγμα δυναμικής παραγωντικής ανάλυσης εκτιμήθηκε σε δύο στάδια. Στο πρώτο εντοπίσαμε κοινούς παράγοντες μεταξύ των διαθέσιμων μεταβλητών, χρησιμοποιώντας την κλασσική μέθοδο ανάλυσης παραγόντων. Στο δεύτερο οι παράγοντες αυτοί αποτέλεσαν βασικό μέρος του μοντέλου χώρου-καταστάσεων που χρησιμοποιήσαμε για την πραγματοποίηση προβλέψεων. Η προσαρμογή του μοντέλου ήταν καλύτερη από αυτή του ARIMA γεγονός το οποίο επιβεβαιώνει την χρησιμότητα του δυναμικού μοντέλου ανάλυσης παραγόντων στην πραγματοποίηση οικονομικών προβλέψεων.