\n<\/p>\n
Supratimas, koki\u0173 tip\u0173 sukr\u0117timai lemia pagrindinius makroekonominius suvestinius rodiklius, tokius kaip BVP ir kainos, yra svarbus, bet sud\u0117tingas politikos formuotoj\u0173 darbas. Didesnio neapibr\u0117\u017etumo laikais \u017einojimas, ar pasi\u016bla, paklausa ar kiti veiksniai yra u\u017e makroekonomin\u0117s dinamikos, tiesiogiai veikia politikos sprendimus (kaip 2021 m. infliacijos \u0161uolio atveju, \u017er. Wohlfart ir kt., 2021). Aktualus \u012f\u017evalgos \u0161altinis yra profesionali\u0173 prognozuotoj\u0173 nuomon\u0117. Pla\u010dioji visuomen\u0117 da\u017enai atsi\u017evelgia \u012f j\u0173 atsakymus ir daro \u012ftak\u0105 jos l\u016bkes\u010diams. Ekonomikos subjektai, tokie kaip \u012fmon\u0117s ir nam\u0173 \u016bkiai, savo ruo\u017etu gali priimti vartojimo, taupymo ir investavimo sprendimus, remdamiesi \u0161iais l\u016bkes\u010diais (Gorodnichenko ir kt., 2021). Vidutinis (arba \u201ekonsensusas\u201c) ekspert\u0173 atsakymas yra pla\u010diai nuskamb\u0117j\u0119s skai\u010dius, kur\u012f kruop\u0161\u010diai tikrina politikos formuotojai ir \u017einiasklaida. Ta\u010diau \u0161is vidutinis kiekis slepia didel\u012f atskir\u0173 respondent\u0173 nevienalyti\u0161kum\u0105 (Meeks ir Monti 2024). Nepaisant dideli\u0173 \u017eini\u0173 apie ekonomik\u0105 ir i\u0161 esm\u0117s pana\u0161ios prieigos prie duomen\u0173, profesional\u016bs prognozuotojai da\u017enai nesutaria d\u0117l savo vertinimo (Mankiw ir kt., 2003). \u0160io nesutarimo prie\u017eastys vis dar n\u0117ra i\u0161tirtos; galimi paai\u0161kinimai apima modeli\u0173 ir j\u0173 koeficient\u0173 skirtumus (Patton ir Timmermann 2010), ex-post sprendimo koregavimo skirtumus (Kohlhas ir Walther 2021), skirtingus l\u016bkes\u010dius d\u0117l labiausiai tik\u0117tino b\u016bsimo \u0161oko arba jo dyd\u017eio.<\/p>\n
Neseniai paskelbtame dokumente (Brenna ir Budrys 2024) mes si\u016blome b\u016bd\u0105, kaip atskleisti apklausos nesutarim\u0173 prie\u017eastis, pasinaudojant profesionaliose prognoz\u0117se esan\u010dia informacija, ir bandome strukt\u016briniu b\u016bdu nustatyti tyrimo prognozi\u0173 sprendimo komponent\u0105.<\/p>\n
Prad\u0117dami nuo prielaidos, kad ekspertai savo prognoz\u0117ms sudaryti naudoja daugiamat\u012f laiko eilu\u010di\u0173 model\u012f (kaip daugelis j\u0173 i\u0161 tikr\u0173j\u0173 deklaruoja; \u017er. Stark 2013 ir ECB 2024), mes pateikiame kiekvieno agento prognozes nuo nulinio horizonto (dabar prognoz\u0117s) iki vieneri\u0173 met\u0173 \u012f priek\u012f. m\u016bs\u0173 pa\u010di\u0173 modelis (strukt\u016brin\u0117 vektoriaus autoregresija su stochastiniu nepastovumu). Naudojame \u0161e\u0161is kintamuosius i\u0161 Filadelfijos FED profesionali\u0173 prognozuotoj\u0173 tyrime (SPF), \u012fskaitant pagrindinius makrokomandas, kain\u0173 indeks\u0105 ir finans\u0173 sektoriaus rodiklius. \u0160i sistema leid\u017eia i\u0161skaidyti stebimas prognozes \u2013 tiek konsensusui, tiek asmenims \u2013 \u012f komponent\u0105, kur\u012f vadiname \u201epagr\u012fstu modeliu\u201c, o kit\u0105 \u2013 \u201epagr\u012fst\u0105 vertinimu\u201c.<\/p>\n
Mus ypa\u010d domina pastarasis komponentas ir supratimas, ar jis gali k\u0105 nors pasakyti apie tai, kur\u012f strukt\u016brin\u012f \u0161ok\u0105 prognozuotojai laik\u0117 labiausiai tik\u0117tinu, kai jie rengia savo prognozes. Tod\u0117l naudojame statistinio identifikavimo metod\u0105 (\u201eidentifikavimas pagal stochastin\u012f nepastovum\u0105\u201c) ir savo sukr\u0117timus ekonomi\u0161kai pa\u017eymime pagal tai, kaip gerai jie atkuria strukt\u016brinius sukr\u0117timus i\u0161 literat\u016bros.<\/p>\n