UK: У дослідженні реалізовано необмежену U-MIDAS-модель квартального прогнозу ВВП України на основі даних змішаної частоти. У моделі використано статистику квартального ВВП України (екзогенна змінна) та дев’ять ендогенних змінних, а саме чотири низькочастотні квартальні змінні (капітальні інвестиції,
доходи населення, експорт та імпорт) та п’ять високочастотних місячних змінних (індекс споживчих цін, індекс цін виробника, оборот роздрібної торгівлі, обсяг промислової продукції, обсяг продукції сільського господарства, середня заробітна плата). У результаті отримано прогноз квартального ВВП України у
псевдореальному часі на ІІ квартал 2019 року, який відхилився від емпіричних значень на 3%, а також прогнози на ІІ та ІV квартали 2019 року. Отримані результати інтерпретовано як такі, які адекватно описують динаміку ВВП України у короткостроковому періоді.
RU: В исследовании реализована неограниченная U-MIDAS-модель квартального прогноза ВВП Украины на основании данных смешанной частоты. В модели использована статистика квартального ВВП Украины
(экзогенная переменная) и девять эндогенных переменных, а именно четыре низкочастотные квартальные переменные (капитальные инвестиции, доходы населения, экспорт и импорт) и пять высокочастотных месячных переменных (индекс потребительских цен, индекс цен производителя, оборот розничной торговли, объем промышленной продукции, объем продукции сельского хозяйства, средняя заработная плата). В результате получен прогноз квартального ВВП Украины в псевдореальном времени на II квартал 2019 года, который отклонился от эмпирических значений на 3%, а также прогнозы на II и IV кварталы 2019 года. Полученные результаты интерпретированы как такие, которые адекватно описывают динамику ВВП Украины в краткосрочном периоде.
EN: Macroeconomic indicators are often collected with an annual or quarterly frequency, which makes it difficult to obtain short-term forecasts using classical methods. You can solve this problem by applying forecasting methods that allow you to work with data sets collected with different frequencies at the same time, so called mixed-frequency data methods. One of the most popular methods for mixed-frequency data is MIDAS-model. The MIDAS approach links low-frequency variable observations to high-frequency lag observations using a lag-distributed approach. The correct choice of a functional form, such as an exponentially distributed lag, allows us to consider many lags on several parameters to obtain the optimal model. Alternatively, this parameterization uses an unlimited variant of MIDAS (U-MIDAS), which is based on a simple linear log polynomial. The investigation implemented an unrestricted MIDAS-model (U-MIDAS) for quarterly GDP forecast of Ukraine based on mixed frequency data. The model uses statistics of Ukraine's quarterly GDP (exogenous variable) and nine endogenous variables, namely four low-frequency quarterly variables: capital investment, household income, exports and imports; and five high-frequency monthly variables: consumer price index, producer price index, retail turnover, industrial output, agricultural output, average wage. Advantage of U-MIDAS using for macroeconomic indicators is that the difference between sampling rates is often small, monthly data are used for predicting quarterly GDP growth. In this case, the number of monthly lags required to evaluate the polynomials is small, which means that the "curse of dimensionality" is out of date. As a result, the forecast of quarterly GDP of Ukraine in pseudo real time for the II quarter of 2019, which deviated from the empirical values by 3%, as well as forecasts for the II and IV quarters of 2019. The results obtained are interpreted as those that adequately describe the dynamics of Ukraine's GDP in the short term. The quality of the forecasts for future periods can be improved by introducing new statistics into the model that are published according to the calendar for the release of statistical information.
