BoC-Studie: Modell verbessert Inflations-Nowcasts deutlich
Ein neues semi-strukturelles Modell der Bank of Canada übertrifft die Inflationsprognosen von Fachleuten. Es reduziert die mittleren quadratischen Fehler von Nowcasts um 50 Prozent, indem es Informationsfriktionen explizit modelliert.
Informationsfriktionen als Schlüssel zur Prognosegüte
Professionelle Inflationsprognosen enthalten wertvolle Informationen, weisen jedoch Informationsfriktionen auf.
Die Studie der Bank of Canada extrahiert verbesserte Prognosen, indem sie diese Friktionen anhand von Daten des US Survey of Professional Forecasters (SPF) modelliert.
Die Prognosestarrheit nimmt systematisch mit dem Zeithorizont zu, von nahezu null für Rückschätzungen bis zu 0,81 jenseits von zwei Quartalen.
In Pseudo-Echtzeit-Tests reduzieren die sogenannten 'Resetting Nowcasts' die mittleren quadratischen Fehler um 50 Prozent im Vergleich zu den SPF-Durchschnitten.
Dies belegt, dass die explizite Modellierung von Informationsfriktionen die Genauigkeit von Inflationsprognosen erheblich steigern kann, insbesondere bei kürzeren Horizonten.
Theoretisches Kriterium für Prognose-Dominanz
Die Forscher leiten ein neuartiges theoretisches Kriterium ab, das zeigt, wann verbesserte Prognosen dominieren: wenn die Meinungsverschiedenheit innerhalb eines optimalen Intervalls liegt.
Dieses Intervall wird durch einfache, aus Umfrage-Mikrodaten ableitbare Statistiken bestimmt und erfordert keine Schätzung von Friktionsparametern.
Es identifiziert im Voraus die Horizonte mit dem größten Verbesserungspotenzial.
Methodologisch wird ein Mixed-Frequency-State-Space-Modell verwendet, das monatliche, nicht saisonbereinigte VPI-Daten mit vierteljährlichen SPF-Prognosen kombiniert.
Die Inflationszerlegung zeigt zudem, dass nur ein kleiner Teil des US-Inflationsanstiegs 2021-2023 auf dauerhafte Trendverschiebungen zurückzuführen war, der Großteil auf mittelfristige transitorische Komponenten.
Ein Werkzeug für Zentralbanken
Diese Studie liefert Zentralbanken ein robustes, generalisierbares Werkzeug zur Verfeinerung ihrer Inflationsprognosen.
Sie stellt die Annahme strikter Rationalität professioneller Prognostiker in Frage und bietet einen praktischen Ansatz zur Identifizierung von Informationsfriktionen.
Die Fähigkeit, Prognosefehler signifikant zu reduzieren, könnte die geldpolitische Entscheidungsfindung präziser und datenbasierter gestalten.
Für die Praxis bedeutet dies eine verbesserte Einschätzung der Inflationsdynamik und damit potenziell effektivere Reaktionen auf Preisentwicklungen.