Հայաստանի ատենախոսությունների բաց մատչելիության պահոց = Open Access Repository of the Armenian Electronic Theses and Dissertations (Armenian ETD-OA) = Репозиторий диссертаций Армении открытого доступа

ՀՀ ՀՆԱ-Ի կանխատեսումը Բայեսյան վեկտորային ավտոռեգրեսիոն մոդելների միջոցով

Բազինյան , Եվգենյա Արայիկի (2016) ՀՀ ՀՆԱ-Ի կանխատեսումը Բայեսյան վեկտորային ավտոռեգրեսիոն մոդելների միջոցով. PhD thesis, ԵՊՀ.

[img]
Preview
PDF (Abstract)
Available under License Creative Commons Attribution.

Download (772Kb) | Preview

    Abstract

    Ներկայիս պայմաններում, հաշվի առնելով ազգային և համաշխարհային տնտեսություններում տեղի ունեցող փոփոխությունները, մակրոտնտեսական ցուցանիշների դինամիկայի կանխատեսումը ձեռք է բերում կենսական նշանակություն մակրոտնտեսական քաղաքականության մշակման բոլոր բնագավառներում և մակարդակներում: 2008 թվականից սկիզբ առած տնտեսական ճգնաժամը փաստեց, որ առկա մակրոտնտեսական մոդելներն իրենց փոփոխականներով և գործիքակազմով անկարող եղան կանխատեսելու տնտեսական ճգնաժամն ու դրա հետևանքների մասշտաբները: Մասնավորապես, մեկնաբանվում էր, որ ՀՀ տնտեսությունը սահմանափակ մասնակցություն ունի համաշխարհային տնտեսական գործընթացներին, սակայն տնտեսությունը կրում է ճգնաժամի բացասական հետևանքները մինչ օրս: Տարբեր աղբյուրներից ստացված տեղեկատվության շարունակական հոսքի' մակրոտնտեսական եռամսյակային ցուցանիշների կանխատեսման վերածման ճանապարհին առաջանում են բազմաթիվ դժվարություններ: Ստանդարտ ռեգրեսիոն մեթոդներն անկարող են հաղթահարել մեծ թվով բացատրող-կանխատեսվող փոփոխականների առկայությունը: Տնտեսության իրավիճակի մոնիթորինգն ու գնահատումը առանձնահատուկ կարևորություն են ներկայացնում: Սակայն պաշտոնական տնտեսական տվյալները հրապարակվում են որոշակի ժամանակային շեղումներով, այսինքն դրանք հասանելի են դառնում միայն տվյալ ժամանակահատվածի ավարտից հետո: Մասնավորապես, ագրեգացված ժամանակային շարքերը, որպիսին համախառն ներքին արդյունքն է, որը հանդիսանում է տնտեսական իրավիճակի համակողմանի ցուցանիշ, հրապարակվում է միայն տվյալ եռամսյակի ավարտից հետո: Մինչ տվյալների պաշտոնական հրապարակումը տեղի է ունենում տվյալների անընդհատ հոսք, որն էլ ապահովում է տվյալ ժամանակահատվածում տնտեսության իրավիճակի վերաբերյալ լրացուցիչ տեղեկատվություն: Կանխատեսումային մեթոդների նպատակը նաև տվյալ ճամանակահատվածում միկրոմակարդակից, այսինքն գործարարների և տնային տնտեսությունների վերաբերյալ տեղեկատվության մշակման արդյունքում ստացված լայնածավալ ժամանակային շարքերում պարփակված տեղեկատվությունից կանխատեսող բաղադրիչի դուրսբերումն է մակրոտնտեսական ցուցանիշները կանխատեսելու համար: Վերը նշվածն էլ վկայում է ատենախեսության թեմայի արդիականության ու հրատապության մասին: С учетом процессов, приходящих в мировой экономике и в экономике Армении, прогноз динамики макроэкономических показателей становится весьма актуальным для разработки и реализации макроэкономической политики. Однако посредством стандартных регрессионных методов невозможно с достаточной точностью прогнозировать ключевые макроэкономические показатели. Актуальность работы обусловлена тем, что Байесовские векторные авторегрессионные модели позволяют существенно повысить точность и качество прогнозов. Диссертация посвящена экономико-математическому анализу макроэкономических показателей, в частности методов прогноза ВВП. Учитывая особенности временных рядов макроэкономических переменных РА в работе основной упор сделан на применении экспертных предположений в прогнозных моделях, также на включении полученных импульсов макроуровня РА в прогнозной модели. В диссертации, с учетом особенности экономики Армении, осуществлена адаптация Байесовских векторных моделей, широко применяемых в мировой практике для макроэкономических прогнозов. Объектом исследования является прогноз ВВП РА, а предметом исследования - формирование модели с минимальными прогнозными ошибками. Основная цель диссертации заключается в разработке экономико¬математической модели РА, которая позволит осуществить наиболее точные макроэкономические прогнозы. Для реализации этой цели в диссертации сформулированы и решены следующие задачи: исследовать особенности, виды и методы прогнозных моделей, а также проблемы прогноза макроэкономических показателей, осуществить сравнительный анализ применяемых в Армении и в международной практике прогнозных моделей макроэкономических показателей на основе опросов предпринимательской среды представить расчетный композитный экономический показатель, который позволит до официальных публикаций получить достоверную информацию относительно ВВП, сформулировать прогнозную модель для макропоказателей, наиболее соответствующую особенностям экономики РА, проанализировать качество сформулированной модели и провести сравнительный анализ модели. In view of the processes taking place in the global economy and the economy of Armenia, the forecast of macroeconomic indicators becomes very important for development and implementation of macroeconomic policies. However, it is impossible to predict with reasonable accuracy the key macroeconomic indicators through standard regression methods. The relevance of the work is due to the fact that the Bayesian vector autoregression models can significantly improve the accuracy and quality of projections. Dissertation is devoted to the economic and mathematical analysis of macroeconomic indicators, in particular the methods of forecasting GDP. Given the characteristics of the time series of macroeconomic variables of Armenia, the main focus of the work is on the use of expert assumptions in forecast models, as well as on inclusion of obtained impulses of macro-level of the RA in the forecast model. Taking into account the features of Armenia's economy, the dissertation carries out the adaptation of Bayesian vector models that are widely used in the world for macroeconomic projections. The object of the study is the forecast of the GDP of RA, and the subject of the study is the formation of a model with minimum forecast errors. The main aim of the thesis is the development of such an economic-mathematical model of RA that will allow for the most accurate macroeconomic forecasts.

    Item Type: Thesis (PhD)
    Additional Information: Прогнозирование ВВП РА посредством Байесовских векторных авторегрессионных моделей. Forecasting of GDP of RA through Bayesian vector autoregression models.
    Uncontrolled Keywords: Базинян Е. А., Bazinyan E. A.
    Subjects: Economy
    Divisions: UNSPECIFIED
    Depositing User: NLA Circ. Dpt.
    Date Deposited: 03 May 2017 17:44
    Last Modified: 05 May 2017 11:17
    URI: http://etd.asj-oa.am/id/eprint/4588

    Actions (login required)

    View Item