Neues IMFS Working Paper von Luca Schmitz: Behind the Curve: Reassessing Inflation Risks with a High-Dimensional Distributional VAR (HiDVAR)
In diesem Beitrag wird ein hochdimensionales verteilungsbasiertes Vektorautoregressionsmodell (HiDVAR) entwickelt, ein datenreiches Echtzeit-Framework zur Prognose der gemeinsamen Vorhersageverteilung von BIP-Wachstum, Inflation und Arbeitslosigkeit, ohne eine parametrische Dichteform vorzuschreiben. Die Motivation liegt in der Überwachung politischer Risiken: Herkömmliche Pipelines, die von Quantilen auf Dichte übergehen, können einseitige Inflationsrisiken in turbulenten Zeiten verzerren, insbesondere wenn sie auf restriktiven Verteilungsmodellen oder Prognoseankern beruhen. HiDVAR kombiniert Verteilungsregression (zahlreiche binäre Schwellenwertmodelle), lokale Projektionen, Elastic-Net-Shrinkage und faktorbasierte Informationsextraktion aus einem erweiterten Echtzeit-FRED-QD-Panel und konstruiert anschließend kohärente multivariate, pfadkonsistente Szenarien unter Verwendung einer dreieckigen Faktorisierung und einer Copula-basierten Simulation. Bei der Echtzeit-Out-of-Sample-Bewertung (Februar 2013–Juni 2025) verbessert HiDVAR die Genauigkeit probabilistischer Prognosen im Vergleich zum „Outlook-at-Risk“-Rahmenwerk der FRBNY und zu Standard-Benchmarks, wobei die größten Verbesserungen bei der Bewertung des Inflations-Tail-Risikos zu verzeichnen sind. Im Vergleich zum FRBNY-Modell reduziert HiDVAR die CRPS-Werte für die CPI-Inflation um 28 % und den multivariaten Energy Score um 22 %, wobei sich in Diebold-Mariano-Tests eine schwach signifikante Verbesserung des Energy Score zeigt. Während des Inflationsanstiegs nach der Pandemie weist HiDVAR den Szenarien einer anhaltend hohen Inflation eine deutlich größere Wahrscheinlichkeitsmasse zu und liefert frühzeitigere, besser kalibrierte Signale für das Risiko im oberen Ende der Verteilung. Eine politische Anwendung bildet die Vorhersageverteilungen auf Wahrscheinlichkeiten von Risikoszenarien und regelbasierte Leitzinsverteilungen ab und veranschaulicht damit den Wert flexibler Dichteprognosen für die Überwachung makroökonomischer Risiken.