IV. Đánh giá thông tin trong cấu trúc kỳ hạn.
B. Đường cong lãi suất với Bằng chứng khảo sát.
chứng khảo sát.
Một cách khác để đánh giá chất lượng thông tin độ dốc đường cong sản lượng là so sánh khả năng dự báo của nó với khả năng dự báo của bằng chứng khảo sát. Chúng ta dùng dữ liệu từ những khảo sát giữa quý, được thực hiện bởi Hiệp Hội Thống Kê Hoa Kỳ và NBER kể từ năm 1970. Dữ liệu là các dự báo trung bình của GNP thực ở hiện tại và GNP thực của 2 quý tiếp theo. Chúng ta cũng có dữ liệu cho dự đoán trung vị của 3 quý tới từ năm 1981.
Panel A of table V presents regression results with show that SPREAD is a better predictor of future output growth than the median survey forecast.
Panel A của Table V chỉ ra kết quả hồi quy, cho thấy rằng SPREAD là một yếu tố dự báo tốt hơn về tăng trưởng sản lượng đầu ra trong tương lai hơn là dự báo từ khảo sát trung vị.
We regress the realized percentage change in real GNP on the predicted change by the survey and on the slope of the yield curve. The survey forecasts have predictive power for one and 2 quarters ahead but not for 3 quarters ahead, as evidenced by the size of the R2’s and the significance of the regression coefficientβ1. In the one-quarter ahead prediction, the survey forecasts are biased: the hypothesis of unbiasedness, i.e., thatα0=0 andβ1=1, is rejected. Observe also that the predictive ability of the slope of the yield curve is better than that of the median survey forecast as evidenced by its uniformly largerR2’s. Furthermore, adding the survey forecast as an additional regressor in the SPREADt regressions does not increase the
R2.
Panel B of table V presents the results of out-of-sample forecasts. Here we compare the out-of-sample predictive ability of SPREADt
with the out of sample predictive ability of the expanded set of information variables of Table IVand with the predictive ability of the survey forecasts. Out-of-sample forecast are generated using the data available at the time of the forecast. Since output is only available with a one quarter lag, regression based forecasts in period t are based on recursive estimates that use data up to period t-1.
The out-of-sample forecasting results are interesting. For all three forecast-ings horizons, the root mean squared error (RMSE) of the forecast based on all the information variables of table IV is the smallest, follow by the RMSE of the forecast based on the slope of the yield curve alone. Thus, simple econometric models that include more variables in addition to SPREAD out perform SPREAD alone as a forecasting tool. Both predictors perform better than the median forecast of the survey. For the
Chúng ta hồi quy phần trăm thay đổi GNP thực trong sự thay đổi dự báo bởi khảo sát và đường cong lãi suất. Các dự đoán khảo sát có sức mạnh dự báo cho 1 hoặc 2 quý tới nhưng không thể dự đoán cho 3 quý sắp tới, bằng chứng là quy mô của R2’s và mức ý nghĩa của hệ số hồi quy β1. Trong dự báo 1 quý kế tiếp, dự đoán từ khảo sát đã bị lệch: với giả thiết không bị lệch, ví dụ như α0=0 và β1=1, bị bác bỏ. Quan sát cũng chỉ ra khả năng dự báo của độ dốc đường cong lãi suất tốt hơn dự báo khảo sát với bằng chứng là R2’s lớn hơn. Hơn nữa, việc thêm dự báo khảo sát như là bổ sung thêm biến hồi quy trong hồi quy SPREADt không làm tăng R2.
Panel B trong Table V cho ta kết quả của dự báo ngoài mẫu. Ở đây, chúng ta so sánh khả năng dự báo ngoài mẫu của SPREADt với khả năng dự báo ngoài mẫu của việc mở rộng biến thông tin trong Table IV và với khả năng dự báo từ khảo sát.
Dự báo ngoài mẫu được tạo ra bằng cách sử dụng dữ liệu có sẵn tại thời điểm dự đoán. Khi sản lượng đầu ra chỉ có sẵn với độ trễ 1 quý, dự báo hồi quy cơ bản trong giai đoạn t dựa vào ước lượng đệ quy sử dụng dữ liệu đến giai đoạn t-1.
Kết quả của dự báo ngoài mẫu rất thú vị. Cho tất cả 3 phạm vi dự đoán, sai số bình phương trung bình chuẩn (RMSE) của dự báo dựa trên tất cả biến thông tin của Table IV là nhỏ nhất, theo sau là RMSE của dự đoán chỉ dựa trên độ dốc của đường cong lãi suất. Do đó, mô hình kinh tế lượng đơn giản bao gồm các biến bổ sung vào SPREAD tốt hơn là chỉ có SPREAD như một công cụ dự báo. Cả hai yếu tố dự báo thực hiện tốt hơn là dự đoán trung vị của khảo sát. Chuỗi dự báo 3 quý, mô hình kinh tế lượng chỉ bao gồm độ dốc của đường cong lãi suất có mối tương quan cao hơn (r2) với giá trị thật so với mô hình kinh tế lượng
econometric model that include only the slope of the yield curve produces a higher correlation (r2) with the actual values than the econometric model that includes additional information variables. However, the higher correlation of the former model is offset by a larger bias over the sample period 1982-1988.
Although the relative forecasting ability of the slope of the yield curve is good, one should not lose sight of the fact that the absolute forecasting ability is not great. A comparison of the RMSE of SPREAD with the standard deviation of the actual growth in real GNP provides a rough idea of the out-of-sample forecasting accuracy of the slope of the yield curve. For example, the standard deviation of the actual one quarter ahead growth rate of real GNP is 4.26 percent, and the RMSE of the forecast based on SPREAD is almost high, 3.39 percent. The forecasting accuracy of SPREAD does improve at longer forecasting horizons and over longer periods, as suggested by the results of Table I.