A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Aikasarjamallit apuna Suomen talouden seurannassa (2019)


Juvonen, P., Anttonen, J., Fornaro, P., Nissilä, W., Nyberg, H., & Pönkä, H. (2019). Aikasarjamallit apuna Suomen talouden seurannassa. Kansantaloudellinen aikakauskirja, 115(3), 440-457. https://www.taloustieteellinenyhdistys.fi/wp-content/uploads/2019/10/KAK_3_2019_nettiin-44-61.pdf


JYU-tekijät tai -toimittajat


Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Juvonen, Petteri; Anttonen, Jetro; Fornaro, Paolo; Nissilä, Wilma; Nyberg, Henri; Pönkä, Harri

Lehti tai sarja: Kansantaloudellinen aikakauskirja

ISSN: 0022-8427

eISSN: 2343-063X

Julkaisuvuosi: 2019

Volyymi: 115

Lehden numero: 3

Artikkelin sivunumerot: 440-457

Kustantaja: Kansantaloudellinen yhdistys

Kustannuspaikka: Helsinki

Julkaisumaa: Suomi

Julkaisun kieli: suomi

Pysyvä verkko-osoite: https://www.taloustieteellinenyhdistys.fi/wp-content/uploads/2019/10/KAK_3_2019_nettiin-44-61.pdf

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava

Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/65955


Tiivistelmä

Viimeisten vuosikymmenien aikana kansainvälisessä ekonometrisessa tutkimuskirjallisuudessa on esitetty useita makrotaloudellista tilaa kuvaavien muuttujien informaatiota yhdistäviä lyhyen aikavälin mallinnus- ja ennustemenetelmiä. Näitä ns. nowcasting-menetelmiä on myös onnistuneesti hyödynnetty ja sovellettu Suomen talouden seurantaan. Tässä artikkelissa esittelemme katsauksen monella taholla tehtyyn kehitystyöhön ja näiden hankkeiden yhteydessä saatuihin tuloksiin Suomen aineiston tapauksessa. Suomen taloutta koskevien suhdanneindeksien hyödyntämisen myötä suhdanteiden käännepisteiden määrittäminen on tarkempaa ja käännepisteiden tuottamia taantumajaksoja voidaan vastaavasti ennustaa binäärivastemalleja käyttäen. Suomen Pankin nowcasting-malli mahdollistaa puolestaan uusien tilastojulkistusten uutisarvon analyysin. Tilastokeskuksessa ja Etlassa on vastaavasti hyödynnetty moderneja koneoppimisen menetelmiä, jotta puutteellisesta mikroaineistosta kyetään tuottamaan bruttokansantuotteen pikaestimaatteja aiempaa lyhyemmällä viiveellä. ETLAnowprojektissa hyödynnetään puolestaan mm. uusia Google-hakutilastoja työttömyyden ennustamisessa.


YSO-asiasanat: kansantalous; ekonometriset mallit; taloudelliset ennusteet; suhdannevaihtelut; bruttokansantuote; aikasarjat; aikasarja-analyysi

Vapaat asiasanat: Suomi


Liittyvät organisaatiot

JYU-yksiköt:


OKM-raportointi: Kyllä

Raportointivuosi: 2019

JUFO-taso: 1


Viimeisin päivitys 2021-09-06 klo 09:38