Inflationsprognoser i euroområdet

Thumbnail Image

Files

URL

Journal Title

Journal ISSN

Volume Title

Perustieteiden korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-08-29

Department

Major/Subject

Tuotantotalous

Mcode

SCI3025

Degree programme

Teknistieteellinen kandidaattiohjelma

Language

sv

Pages

42

Series

Abstract

Noggranna inflationsprognoser blir allt viktigare för den ekonomiska politiken i euroområdet, där prisstabilitet är ett av Europeiska centralbankens primära mål. Inflationens volatilitet under 2000-talets ekonomiska kriser har avslöjat begränsningarna hos de befintliga prognosmodellerna. Denna avhandling syftar till att kritiskt utvärdera de centrala modellerna för inflationsprognoser i euroområdet. Fokus ligger på traditionella ekonometriska modeller, strukturella och semistrukturella makroekonomiska modeller samt maskininlärningsbaserade metoder, med särskild fokus på deras prognosförmåga under perioder av ekonomisk instabilitet. Studien genomförs som en litteraturöversikt som systematiskt granskar akademisk forskning, policyrapporter och statistiska källor relevanta för euroområdet, med särskild vikt på modeller som används av Europeiska centralbanken och nationella centralbanker. Modellerna utvärderas utifrån tre kriterier: prognosnoggrannhet, robusthet under föränderliga ekonomiska förhållanden och tolkningsbarhet i policysammanhang. Resultaten visar att ingen enskild modell konsekvent överträffar andra i alla situationer. Traditionella ekonometriska modeller förblir viktiga riktmärken på grund av sin enkelhet och transparens, medan strukturella och semistrukturella modeller ger teoretiska tolkningar av prognoserna, vilket värdesätts av beslutsfattare. Maskininlärningsmetoder, särskilt trädbaserade modeller och neurala nätverk, ger lovande förbättringar i prognosnoggrannhet, särskilt under perioder av ökad osäkerhet. Deras fördelar varierar dock beroende på prognoshorisont, och deras begränsade tolkningsbarhet gör dem mindre lämpade för policyanalys. Sammantaget belyser studien en tydlig avvägning mellan noggrannhet, robusthet och tolkningsbarhet, vilket tyder på att den mest effektiva metoden för inflationsprognoser i euroområdet är en kompletterande användning av flera modellklasser. Resultaten tyder också på att framtida förbättringar kan uppnås genom att kombinera de teoretiska styrkorna hos strukturella modeller med maskininlärningsmetodernas flexibilitet.

Description

Supervisor

Rajala, Risto

Thesis advisor

Kaila, Ruth

Keywords

inflation, inflationsprognoser, euroområdet, penningpolitik, ECB, ekonometri

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202509237233

Collections

[kand] Perustieteiden korkeakoulu / SCI