Поточне прогнозування ВВП за допомогою моделей факторiв зi змiшаною частотою для українських регiонiв
Loading...
Date
2025
Authors
Дрінь, Світлана
Журавльова, Анастасiя
Крюкова, Галина
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Своєчасна оцiнка регiональної економiчної активностi є ключовою для прийняття обґрунтованих рiшень та реагування на кризовi ситуацiї, особливо в економiках, де офiцiйна статистика публiкується iз суттєвими затримками. В Українi данi про валовий регiональний продукт (ВРП) оприлюднюються лише один раз на рiк iз запiзненням до 16 мiсяцiв, що значно ускладнює монiторинг економiчної ситуацiї в реальному часi. У цьому дослiдженнi запропоновано модель Mixed-Frequency Factor-Augmented Vector Autoregression (MF-FAVAR) для теперiшнього прогнозування (nowcasting) квартального зростання ВРП для київського регiону шляхом поєднання рiчних, квартальних i мiсячних показникiв. Запропонована структура iнтегрує традицiйнi макроекономiчнi статистичнi показники з високочастотними цифровими сигналами, отриманими з Google Trends, що дає змогу вiдстежувати змiни у споживчих настроях та поведiнкових патернах. Цi цифровi iндикатори виступають проксi змiн у споживчих настроях, намiрах щодо витрат i очiкуваннях на ринку працi, надаючи додаткову iнформацiю порiвняно з офiцiйною статистикою, що публiкується iз затримкою. Зменшення розмiрностi даних здiйснюється за допомогою сучасних методiв факторної екстракцiї, розроблених для неповних i неузгоджених наборiв даних, зокрема Expectation–Maximisation Principal Component Analysis (EMPCA), Bayesian PCA (BPCA) та Singular Value Decomposition Imputation (SVDI). Рiчний ряд ВРП було перетворено на квартальний за допомогою методу Дентона–Шолетта, що забезпечує узгодженiсть з офiцiйними пiдсумками. Емпiричнi результати показують, що факторна екстракцiя на основi EMPCA забезпечує найстабiльнiшi та найточнiшi коротко-, середньо- та довгостроковi прогнози. Зокрема, EMPCA досягає найменших значень середньоквадратичної похибки прогнозу (RMSFE) та безперервного рангового ймовiрнiсного показника (CRPS), що пiдтверджує її стiйкiсть у умовах обмежених i зашумлених даних. Отриманi результати свiдчать, що моделi зi змiшаною частотою та факторною структурою є ефективним iнструментом для регiонального nowcasting за умов нестачi даних, що робить їх особливо релевантними для перехiдних i кризових економiк, таких, як Україна.
Description
Timely assessment of regional economic activity is essential for evidence-based policy and crisis response, particularly in economies where official statistics are released with significant delays. In Ukraine, regional Gross Regional Product (GRP) figures appear only once per year and with a lag of up to 16 months, severely limiting real-time monitoring. This study develops a Mixed-Frequency Factor-Augmented Vector Autoregression (MF-FAVAR) model to nowcast quarterly GRP growth for the Kyiv region by combining annual, quarterly, and monthly indicators. The proposed framework integrates traditional macroeconomic statistics with high-frequency digital signals derived from Google Trends, capturing shifts in consumer sentiment and behavioural patterns. These digital indicators serve as real-time proxies for household sentiment, consumption intentions, and labour market expectations, offering a complementary perspective to lagged official statistics. Empirical results demonstrate that EMPCA-based factor extraction delivers the most stable and accurate nowcasts across short, medium, and long horizons. In particular, EMPCA achieves the lowest Root Mean Squared Forecast Error (RMSFE) and Continuous Ranked Probability Score (CRPS), confirming its robustness under sparse and noisy conditions. The findings suggest that mixed-frequency factor-augmented frameworks offer a practical and efficient solution for regional nowcasting under data scarcity, making them especially relevant for transition and crisis economies such as Ukraine.
Keywords
MF-FAVAR, FAVAR, поточне прогнозування, EMPCA, GRP, RMSE, MAPE, Google Trends, стаття, MF-FAVAR, FAVAR, Nowcasting, EMPCA, GRP, RMSE, MAPE, Google Trends
Citation
Дрінь С. С. Поточне прогнозування ВВП за допомогою моделей факторiв зi змiшаною частотою для українських регiонiв / Дрiнь C. С., Журавльова A. Д., Крюкова Г. В. // Могилянський математичний журнал. - 2025. - Т. 8. - C. 26-31. - https://doi.org/10.18523/2617-70808202526-31