User: Guest  Login
Document type:
Masterarbeit
Author(s):
Akachukwu, Dabelechukwu
Title:
Econometric Test for Predictive Accuracy
Abstract:
Nowadays, there are several well-known institutions that publish global economic fore- casts. It is important that these forecasts are validated over time to check how reliable and accurate they are. Therefore, statistical tests for forecast comparison play a very important role in determining how accurate these forecasts have been over time. In this thesis, we considered different statistical tests known in econometrics that should enable us to decide whether two forecasts have equal predictive accuracy or not. The proposed approaches take into consideration the difference of the forecast errors of two different economic forecasts and respective test statistics. We conducted two empirical analysis, the first case involved using SAP return data and the second case involved using Euro area inflation data. For the first case, we obtained two SAP forecast returns by fitting a linear model between SAP returns and DAX returns and also fitting a linear model between the SAP returns and S&P 500 returns. We considered the situation where the linear model is dynamically or statically estimated. For the second case, we considered the Euro area inflation forecasts as provided by the Organisation for Economic Co-operation and Development (OECD) and European Central Bank (ECB). Diebold-Mariano test, sign test and Wilcoxon signed-ranked test were the methods applied during the empirical study. As shown by all the tests used during the empirical analysis, DAX and S&P 500 indices have equal predictive accuracy when a dynamic linear regression is used. When a static regression is used, it is observed that predictions based S&P 500 outperform ones based on DAX. For the inflation data, it is observed that OECD forecasts outperforms the ECB forecasts. A significance level of ten percent is used for all tests.
Translated abstract:
Heutzutage gibt es mehrere bekannte Institutionen, die globale Wirtschaftsprognosen vero ̈ffentlichen. Es ist wichtig, dass diese Prognosen im Laufe der Zeit validiert werden, um zu pru ̈fen, wie zuverl ̈assig und genau sie sind. Daher spielen statistische Tests fu ̈r den Vergleich von Prognosen eine sehr wichtige Rolle bei der Feststellung, wie genau diese Prognosen im Laufe der Zeit waren. In dieser Arbeit haben wir verschiedene in der O ̈konometrie bekannte statistische Tests untersucht, die es uns ermo ̈glichen sollen zu entscheiden, ob zwei Prognosen die gleiche Vorhersagegenauigkeit haben oder nicht. Die vorgeschlagenen Ansa ̈tze beru ̈cksichtigen die Differenz der Prognosefehler zweier unter- schiedlicher Wirtschaftsprognosen und entsprechende Teststatistiken. Wir haben zwei empirische Analysen durchgefu ̈hrt, im ersten Fall unter Verwendung von SAP-Renditedaten und im zweiten Fall unter Verwendung von Inflationsdaten der Eu- rozone. Im ersten Fall erhielten wir zwei SAP-Prognosen, indem wir ein lineares Modell zwischen den SAP-Renditen und den DAX-Renditen sowie ein lineares Modell zwischen den SAP-Renditen und den S&P 500-Renditen anpassten. Wir haben die Situation betra- chtet, in der das lineare Modell dynamisch oder statisch gescha ̈tzt wird. Im zweiten Fall wurden die Inflationsprognosen der Organisation fu ̈r wirtschaftliche Zusammenarbeit und Entwicklung (OECD) und der Europ ̈aischen Zentralbank (EZB) fu ̈r die Eurozone beru ̈ck- sichtigt. In der empirischen Studie wurden der Diebold-Mariano-Test, der Vorzeichentest und der Wilcoxon-Test mit Vorzeichenreihen angewandt. Wie alle in der empirischen Analyse verwendeten Tests zeigen, haben die Indizes DAX und S&P 500 die gleiche Vorhersagegenauigkeit, wenn eine dynamische lineare Regression verwendet wird. Bei Verwendung einer statischen Regression wird festgestellt, dass die auf dem S&P 500 basierenden Vorhersagen besser sind als die auf dem DAX basierenden. Bei den Inflationsdaten ist zu beobachten, dass die OECD-Prognosen die EZB-Prognosen u ̈bertreffen. Fu ̈r alle Tests wird ein Signifikanzniveau von zehn Prozent verwendet.
Supervisor:
Prof. Dr. Aleksey Min
Advisor:
Prof. Dr. Aleksey Min
Year:
2022
University:
Technische Universität München
TUM Institution:
Lehrstuhl für Finanzmathematik
Commencing Date:
01.06.2022
End of processing:
28.02.2023
 BibTeX