| dc.date.accessioned |
2019-11-04T07:54:15Z |
|
| dc.date.available |
2019-11-04T07:54:15Z |
|
| dc.date.issued |
2019-11-04 |
|
| dc.identifier.uri |
http://hdl.handle.net/123456789/25992 |
|
| dc.title |
Inflaation ennustaminen neuroverkkomallilla taloudellisen taantuman aikana |
fi |
| ethesis.discipline.URI |
none |
und |
| ethesis.faculty |
Valtiotieteellinen tiedekunta |
fi |
| ethesis.faculty |
Faculty of Social Sciences |
en |
| ethesis.faculty |
Statsvetenskapliga fakulteten |
sv |
| ethesis.faculty.URI |
http://data.hulib.helsinki.fi/id/6affe131-10ad-46a1-a7d8-df872797d4a8 |
|
| ethesis.university.URI |
http://data.hulib.helsinki.fi/id/50ae46d8-7ba9-4821-877c-c994c78b0d97 |
|
| ethesis.university |
Helsingin yliopisto |
fi |
| ethesis.university |
University of Helsinki |
en |
| ethesis.university |
Helsingfors universitet |
sv |
| dct.creator |
Korhonen, Markus |
|
| dct.issued |
2019 |
|
| dct.language.ISO639-2 |
fin |
|
| dct.abstract |
Hintavakauden saavuttamisesta on tullut keskuspankkien tärkeimpiä tehtäviä kaikkialla maailmassa, ja useat keskuspankit pyrkivät tiettyyn, hyvin määriteltyyn inflaatiotavoitteeseen. Samoin Euroopan keskuspankki pyrkii rahapolitiikallaan pitämään inflaation kahden prosentin tuntumassa. Inflaatiotavoite kuitenkin vaatii sen, että inflaatiota voidaan ennustaa mahdollisimman tarkasti.
Koneoppimismetodeihin kuuluvat neuroverkkomallit ovat osoittautuneet olemaan monilla aloilla hyviä ennustemalleja. Inflaation ennustamisessa neuroverkkomallien tulokset ovat kuitenkin olleet ristiriitaisia. Aiempi tutkimus inflaation ennustamisesta on myös keskittynyt lähinnä Yhdysvaltojen ja muiden yksittäisten maiden inflaatioon. Tutkimusta ei ole myöskään tehty inflaation ennustamisesta eri suhdannetilanteissa neuroverkkomallien avulla. Tässä tutkielmassa tutkittiinkin neuroverkkomallin kykyä ennustaa inflaatiota koko euroalueella vuosien 2008-2009 taantuman aikana.
Tutkielman aineistona käytettiin euroalueen harmonisoidusta kuluttajahintaindeksistä muodostettua inflaatioaikasarjaa vuosilta 1997-2010. Tutkielmassa epälineaarinen neuroverkko rakennettiin aiemmasta kirjallisuudesta vakiintuneella metodilla, jossa mallin valinta suoritettiin käyttämällä erillistä aineistoa. Valitulla mallilla simuloitiin aitoa ennustetilannetta käyttämällä euroalueen taantuman aikaista testiaineistoa. Ennusteet tehtiin myös taantuman jälkeiselle noususuhdanteelle, jotta eri suhdannetilanteita voitiin vertailla. Lisäksi samat ennusteet tehtiin ekonometriassa vakiintuneella lineaarisella mallilla, johon neuroverkkomallia verrattiin käyttämällä aiemmasta kirjallisuudesta tuttuja arviointikriteerejä ja tilastollisia testejä.
Tutkielmassa selvisi, että neuroverkkomalli tuottaa hyvin tarkkoja ennusteita inflaatiolle kaikilla tutkielmassa käytetyillä ennusteväleillä. Neuroverkkomallin ennusteet ovat myös parempia, jos käytettävä aineisto on kausitasoitettu. Neuroverkkomalli tekee pienempiä ennustevirheitä noususuhdanteen aikana kuin taantumassa, mutta erot eri suhdannetilanteissa eivät ole kovin suuria. Neuroverkkomallin ennusteet eivät kuitenkaan poikkea yksinkertaisen lineaarisen mallin tekemistä ennusteista tilastollisesti merkitsevästi kummassakaan suhdannetilanteessa. Näin ollen neuroverkkomallin ei voida päätellä toimivan eri tavalla taloudellisessa taantumassa kuin muissa suhdannetilanteissa.
Tutkielman tulosten perusteella neuroverkkomallia ei voida suositella keskuspankkien inflaatioennustemalliksi, koska mallin valinta ja testaaminen vievät yksinkertaista lineaarista mallia enemmän aikaa, mutta ennustetulokset eivät ole lineaarista mallia parempia. Tulokset antavatkin todisteita siitä, että inflaatio on euroalueella lineaarinen prosessi, jolloin epälineaariset mallit eivät tuota ennusteisiin lisähyötyä. Neuroverkkomallit voivat kuitenkin antaa hyvän työkalun keskuspankkien toiminnan arvioimiseen, koska niiden tuottamat ennusteet ovat tarkkoja pitemmillekin aikaväleille. |
fi |
| dct.subject |
inflaatio |
|
| dct.subject |
aikasarja |
|
| dct.subject |
ennustaminen |
|
| dct.subject |
koneoppiminen |
|
| dct.subject |
taantuma |
|
| dct.subject |
neuroverkot |
|
| dct.subject |
inflaatio |
|
| dct.subject |
aikasarja |
|
| dct.subject |
ennustaminen |
|
| dct.subject |
koneoppiminen |
|
| dct.subject |
taantuma |
|
| dct.subject |
neuroverkot |
|
| dct.language |
fi |
|
| ethesis.language.URI |
http://data.hulib.helsinki.fi/id/languages/fin |
|
| ethesis.language |
Finnish |
en |
| ethesis.language |
suomi |
fi |
| ethesis.language |
finska |
sv |
| ethesis.supervisor |
Lanne, Markku |
|
| ethesis.thesistype |
pro gradu -tutkielmat |
fi |
| ethesis.thesistype |
master's thesis |
en |
| ethesis.thesistype |
pro gradu-avhandlingar |
sv |
| ethesis.thesistype.URI |
http://data.hulib.helsinki.fi/id/thesistypes/mastersthesis |
|
| dct.identifier.ethesis |
E-thesisID:f904fb6f-20b7-48a7-ad2d-565c06eb68d7 |
|
| dct.subject.YSOFI |
neuroverkot
|
und |
| dct.subject.YSOFI |
inflaatio
|
und |
| dct.subject.YSOFI |
koneoppiminen
|
und |
| ethesis-internal.timestamp.reviewStep |
2019-10-01 16:29:46:143 |
|
| dct.identifier.urn |
URN:NBN:fi:hulib-201911043832 |
|
| dc.type.dcmitype |
Text |
|
| ethesis.facultystudyline |
Taloustieteellisen tutkimuksen opintosuunta |
fi |
| ethesis.facultystudyline |
Research track |
en |
| ethesis.facultystudyline |
Studieinriktningen ekonomisk forskning |
sv |
| ethesis.facultystudyline.URI |
http://data.hulib.helsinki.fi/id/SH70_114 |
und |
| ethesis.mastersdegreeprogram |
Taloustieteen maisteriohjelma |
fi |
| ethesis.mastersdegreeprogram |
Master's Programme in Economics |
en |
| ethesis.mastersdegreeprogram |
Magisterprogrammet i ekonomi |
sv |
| ethesis.mastersdegreeprogram.URI |
http://data.hulib.helsinki.fi/id/MH70_009 |
und |
