Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Inflation Forecasting in Sweden using Single Hidden Layer Feedforward Artificial Neural Networks
Stockholm University, Faculty of Social Sciences, Department of Economics.
Stockholm University, Faculty of Social Sciences, Department of Economics.
2017 (English)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesis
Abstract [en]

Inflation affects many economic processes, and it is therefor crucial for economic agents to have reliable forecasts of it. In this thesis, single hidden layer feedforward artificial neural networks were used to predict the year-on-year consumer price index inflation rate in Sweden for the period 2013-01-01 – 2016-06-30. Separate networks were estimated for each prediction horizon, ranging from 1 to 24 months. The root mean square errors were computed for each horizon, which were then compared with the predictions issued by the Riksbank and two linear models (Autoregressive Moving Average and Autore- gressive) for the same period.

The results show that the networks outperform the Riksbank’s predictions on 1–5 and 11–24 months, the ARMA model on 1–5 and 9–24 months, and the AR model on 1, 3, 5 and 20 – 23 months.

The main conclusion is that artificial neural networks do have potential in forecasting the Swedish consumer price index inflation rate. There are, how- ever, several limitations in this thesis that need to be addressed and potential improvements to be investigated before a clear verdict can be made.

Abstract [sv]

Prisinflation påverkar många ekonomiska processer, och det är därför av största vikt för ekonomiska aktörer att ha tillförlitliga prognoser för denna. I denna kandidatuppsats implementerades framkopplade artificiella neurala nätverk med ett gömt lager för att prognostisera den årliga konsumentprisinflationstakten i Sverige för perioden 2013-01-01 – 2016-06-30. Separata nätverk passades för varje prediktionshorisont mellan en och 24 månader. Roten ur medelkvadratfelet beräknades för varje horisont, och jämfördes sedan med prognoser utfärdade av Riksbanken samt två linjära modeller (ARMA och AR) för samma period.

Resultaten visar att nätverken presterar bättre än Riksbankens prognoser på horisonter mellan en och fem månader, samt på horisonter mellan elva och 24 månader, och presterar bättre än ARMA-modellen på intervallen en till fem månader och nio till 24 månader, samt bättre än AR-modellen på en, tre och fem samt 20 till 23 månader.

Den huvudsakliga slutsatsen från arbetet är att artificiella neurala nätverk har potential som verktyg för att prognostisera den svenska konsumentprisinflationstakten. I uppsatsen görs emellertid flera antaganden och förenklingar som bör undersökas närmre, och författarna identifierar potentiella förbättringar som också bör utforskas i framtida arbeten innan någon klar dom kan utfärdas. 

Place, publisher, year, edition, pages
2017. , 49 p.
National Category
Economics
Identifiers
URN: urn:nbn:se:su:diva-141675OAI: oai:DiVA.org:su-141675DiVA: diva2:1088243
Supervisors
Examiners
Available from: 2017-04-19 Created: 2017-04-11 Last updated: 2017-04-19Bibliographically approved

Open Access in DiVA

fulltext(950 kB)35 downloads
File information
File name FULLTEXT01.pdfFile size 950 kBChecksum SHA-512
255ed66ac0dc8d8d00d8314b30fb9cd49d1b241282f0684baa6e10bee3315e76d563e705a4249cf5b5b2444af7b897f0ab4eb603c8b3aaab1125d19d3b602c1e
Type fulltextMimetype application/pdf

By organisation
Department of Economics
Economics

Search outside of DiVA

GoogleGoogle Scholar
Total: 35 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

Total: 628 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf