Forecasting with vector autoregressive models: An empirical investigation for Austria

Zusammenfassung Multivariate Zeitreihenmodelle haben sich zu einer echten Alternative zu den herkömmlichen Strukturmodellen entwickelt. Die vorliegende Arbeit untersucht die Prognosequalität zweier möglicher Strategien, solche Modelle zu spezifizieren. Die erste beruht auf einer Selektionsstrategie, die mittels eines Informationskriteriums (AIC) und unter Verwendung der üblichenF- undt-Tests die Dimension des Modells reduziert. Die zweite Strategie greift auf Baysianische Methoden zurück, um so dem Problem der Überparametrisierung zu entgehen.Ausgehend von acht Zeitreihen, die das Verhalten der österreichischen Wirtschaft charakterisieren, wurde versucht, beide Methoden möglichst gut zu implementieren. In einem nächsten Schritt wurden dann ihre Ex-Ante-Prognosequalitäten anhand verschiedener Maße miteinander verglichen. Es zeigt sich, daß die Selektionsstrategie bei kürzerem Prognosehorizont die Bayesianische in jeder Beziehung dominiert. Bei längerem Horizont schneidet allerdings letztere besser ab. Die Prognosegenauigkeit steigt weiters bei Anwendung verfeinerter Methoden. Das bedeutet, daß es sich lohnen dürfte, auf komplexere Methoden zurückzugreifen.

---

---

A previous version of this paper has been presented at the annual conference of the Austrian Economic Society in 1986. The authors would like to thank Manfred Deistler, David Hendry, and three anonymous referees for their helpful comments and suggestions.