跳到主要內容

臺灣博碩士論文加值系統

(3.231.230.177) 您好!臺灣時間:2021/07/28 16:30
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

: 
twitterline
研究生:張育菁
論文名稱:通貨膨脹預測:以台灣為例
論文名稱(外文):Inflation Forecasting In Taiwan
指導教授:林靜儀林靜儀引用關係
指導教授(外文):Lin, Ching-Yiu
學位類別:碩士
校院名稱:國立清華大學
系所名稱:經濟學系
學門:社會及行為科學學門
學類:經濟學類
論文種類:學術論文
論文出版年:2012
畢業學年度:100
語文別:中文
論文頁數:37
中文關鍵詞:通貨膨脹通貨膨脹率CPI
相關次數:
  • 被引用被引用:8
  • 點閱點閱:604
  • 評分評分:
  • 下載下載:192
  • 收藏至我的研究室書目清單書目收藏:0
摘要
  通貨膨脹率一直是總體經濟的重要指標,影響通貨膨脹率的因素很多,加入過多變數會造成自由度過低,因此本篇將影響通貨膨脹率的因素進行主成分分析(Principal component analysis),不僅可以涵蓋各個變數,並且能避免自由度過低的問題。
  本篇使用主成分分析(Principal component analysis)與傳統自我迴歸模型(Autoregressive, AR)、菲利浦曲線(Phillips curve)及以所有可獲得變數預測的最小平方法(ordinary least square, OLS)比較預測通貨膨脹準確性,結論是使用主成分分析(Principal component analysis)後通貨膨脹率預測能力明顯增加,菲利浦曲線(Phillips curve)對通貨膨脹率的預測能力較為不佳。

Abstract
Inflation forecasting is one of the most indexes in economic situation. There are a lot of factors that affect inflation, such as the interest rate, exchange rate and the oil price and etc. When adding all of the variables, that will make the degree of freedom problem and interaction problem between the variables.
This paper uses the principle component analysis to overcome the problem. And this paper uses Autoregressive model, Phillips curve model, and ordinary least square to compare with principle component analysis.
Most of the principle component analysis make more accurate to forecast in inflation.

目錄
頁次
摘要……………………………………………………………………………1
第一章 緒論
第一節 研究動機…………………………………………………………5
第二節 研究目的與研究步驟……………………………………………6
第二章 文獻探討…………………………………………………………7
第三章 研究模型
第一節 建立模型……………………………………………………… 14
第四章 研究方法與變數
第一節 變數研究方法………………………………………………… 18
第二節 研究變數資料來源…………………………………………… 19
第五章 實證結果
第一節 樣本內預測…………………………………………………… 22
第二節 樣本外預測…………………………………………………… 23
第六章 結論…………………………………………………………… 30
參考文獻…………………………………………………………………… 36
表目錄
Table1 CPI樣本內預測結果…………………………………………… 25
Table2 core CPI 樣本內預測結果………………………………… 26
Table3 CPI樣本外預測結果(三個月) ……………………………… 27
Table4 CPI樣本外預測結果(六個月) ……………………………… 27
Table5 CPI樣本外預測結果(十二個月) …………………………… 28
Table6 core CPI 樣本外預測結果(三個月) …………………… 28
Table7 core CPI 樣本外預測結果(六個月) …………………… 29
Table8 core CPI 樣本外預測結果(十二個月) ………………… 29
表一 研究範圍比較……………………………………………………… 12
表二 解釋變數-物價類……………………………………………………32
表三 解釋變數-金融類……………………………………………………33
表四 解釋變數-貿易及失業率……………………………………………34
表五 被解釋變數-CPI及核心CPI……………………………………… 35

參考文獻
侯德潛、徐千婷(2002),「我國通貨膨脹預測模型之建立」,《中央銀行季刊》,    
第二十四卷第三期,9-40。
劉淑敏(2003),「我國躉售物價對消費者物價之影響效果分析」,《中央銀行季刊》,第二十五卷第二期,37-48。
黃朝熙(2007),台灣通貨膨脹預測」,中央銀行季刊,第二十九卷第一期,5-29。
Aaron Mehrotra and Jose ́ R. Sa ́nchez-Fung , 2008. Forecasting Inflation in China. Bank of Finland - Institute for Economies in Transition.
Artis, M. J., Banerjee, A., Marcelino, M., 2001. Factor Forecasts for the UK. Journal of Forecasting 24, 279–298.
Atkeson and Ohanian, 2001. Can the Phillips Curve Help Forecast Inflation? Federal Reserve Bank of Minneapolis Quarterly Review, 25,2-11.
Bernanke, B., Boivin, J., 2003. Monetary Policy in a Data-rich Environment. Journal of Monetary Economics 50, 525–546.
Burdekin, R., Siklos, P., 2008. What has driven Chinese monetary policy since 1990s? Investigating the People's Bank's policy rule. Journal of International Money and Finance 27, 847–859.
Cechetti, Chu and Steindel, 2000. The Unreliability of Inflation Indicators, Federal Reserve Bank of New York Current Issues in Economics and Finance, 6, 1-6.
Chen, Y. B., Tang, S. L., Du, L.,2009. Can money supply forecast inflation in China? Economic Theory and Business Management 02/2009.
Li,K. C., 1991. Sliced Inverse Regression for Dimension Reduction.Journal of the AmericanStatistical Association86, 316–327.
Lin,J. L., Tsay, R. S.,2005.Comparisons of Forecasting Methods with Many Predictors.mimeo.
Marcellino, M., Stock, J. H., Watson, M. W., 2006. A Comparison of Direct and Iterated AR Methods for Forecasting Macroeconomic Series h-Steps Ahead. Journal of Econometrics 135,499–526.
Mehrotra, A., Sáchez-Fung, J., 2008. Forecasting inflation in China. China Economic Journal 1(3), 317–322.
Schumacher and Dreger,2002. Forecasting Dutch GDP using Large Scale Factor Models. Journal of Forecasting.
Stock, J. H., Watson, M. W., 1999. Diffusion Indexes. NBER Working Paper NO. 6702.
Stock, J. H., Watson, M. W., 2002b. Macroeconomic Forecasting Using Diffusion Indexes. Journal of Business and Economic Statistics20(2), 147–162.
Stock, J. H., Watson, M. W., 2002. Forecasting Using Principal Components from a Large Number of Predictors. Journal of the American Statistical Association97(460), 1167–1179.
Stock, J. H., Watson, M. W., Marcellino, M., 2003. Macroeconomic Forecasting in the Euro Area: Country Specific versus Area-Wide Information. European Economic Review47, 1–18.
Stock, J. H., Watson, M. W., 2005, An Empirical Comparison of Methods for Forecasting Using Many Predictors.mimeo
Stock, J. H., Watson, M. W., 2007. Why has US inflation become harder to forecast? Journal of Money, Credit and Banking 39, 13–33.
Wold, H., 1966. Estimation of principal componentsand related models by iterative least squares. In: Krishnaiaah P. R. (Ed.), Multivariate Analysis, Academic Press , New York, 391-420.

連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top