No abstract

No abstract

No abstract

This paper analyses inflation forecasting power of artificial neural networks with alternative univariate time series models for Turkey. The forecasting accuracy of the models is compared in terms of both static and dynamic forecasts for the period between 1982:1 and 2009:12. We find that at earlier forecast horizons conventional models, especially ARFIMA and ARIMA, provide better one-step ahead forecasting performance. However, unobserved components model turns out to be the best performer in terms of dynamic forecasts. The superiority of the unobserved components model suggests that inflation in Turkey has time varying pattern and conventional models are not able to track underlying trend of inflation in the long run.

Standard-Nutzungsbedingungen:Die Dokumente auf EconStor dürfen zu eigenen wissenschaftlichen Zwecken und zum Privatgebrauch gespeichert und kopiert werden.Sie dürfen die Dokumente nicht für öffentliche oder kommerzielle Zwecke vervielfältigen, öffentlich ausstellen, öffentlich zugänglich machen, vertreiben oder anderweitig nutzen.Sofern die Verfasser die Dokumente unter Open-Content-Lizenzen (insbesondere CC-Lizenzen) zur Verfügung gestellt haben sollten, gelten abweichend von diesen Nutzungsbedingungen die in der dort genannten Lizenz gewährten Nutzungsrechte.