Parashikimit me simulimin monte carlo

-7-

Mjaft institucione të tjera kanë përdorur teknika të ngjashme për 

të matur pasiguritë e modelit, pavarësisht burimeve të ndryshme të 

pasigurive, duke përdorur metodën Monte Carlo. banka e Kanadasë 

(Amano et al (2002)) dhe banka e Anglisë (Garratt et al, (2003)) 

janë vetëm dy prej tyre. Megjithatë, vlerësimi stokastik i pasigurisë 

ka një histori të gjatë dhe të suksesshme dhe ai përfaqëson një 

metodë të mirëzhvilluar dhe të zbatuar nga mjaft autorë me peshë 

(Canova (1995) dhe Fair (2003)). 

Pasiguria ka shumë burime dhe mund të shfaqet në katër forma 

të ndryshme. bazuar në strukturën e modelit, natyrën dhe objektivin 

e ushtrimit, ne mund të identifikojmë disa burime të pasigurisë në 

parashikime. burimi i parë lidhet me pasigurinë e të dhënave që vjen 

nga informacioni statistikor. burimi i dytë ka të bëjë me pasigurinë 

që lidhet me parashikimin e serive të të dhënave ekzogjene, sepse 

materializimi i tyre në të ardhmen është i pasigurt në momentin e 

simulimit të modelit. burimi i tretë i pasigurisë përfshin pasigurinë 

në vlerësimin e parametrave të modelit. burimi i fundit lidhet me 

pasigurinë që shoqëron termat e gabimit, që mund të vijë si rezultat 

i ngjarjeve rastësore ose si rezultat i një mosspecifikimi të saktë të 

modelit. Kjo ka bërë që krahas këtyre katër burimeve, Clements 

dhe Hendry (1998), dhe Ericsson (2001) të përfshijnë dhe një burim 

tjetër pasigurie, që rrjedh nga përzgjedhja e gabuar e modelit, e 

variablave dhe e ekuacioneve të përfshira në modelin përfundimtar. 

Megjithatë, është e rëndësishme të theksohet se analiza e 

paraqitur në këtë material nuk bën një vlerësim të të gjitha burimeve 

të pasigurisë, por përqendrohet më së tepërmi në burimin e katërt 

të pasigurisë, në veçanti në analizimin e termit të gabimit, pra të 

ngjarjeve të tjera rastësore të pashpjeguara nga modeli.

Për më tepër, duke qenë se në interes të politikës monetare është 

stabiliteti i çmimeve si dhe disa nga treguesit ekonomikë, si ecuria 

e prodhimit të brendshëm, normat e interesit, kursi i këmbimit 

etj., materiali fokusohet në hulumtimin dhe analizën e gabimit në 

parashikimin e tyre. Në këtë mënyrë marrim në shqyrtim efektet e 

vendimmarrjes së politikës monetare ose të ngjarjeve të ardhshme, 

duke konsideruar pasigurinë në variablat që paraqesin interes të 

veçantë për politikën monetare.

---

-8-

Duke qenë se parashikimet dhe analizat e ndryshme të 

përftuara nga këto modele janë pjesë përbërëse e zbatimit të 

politikave ekonomike, vlerësimi i ecurisë së këtyre modeleve është 

pjesë e një procesi mjaft të rëndësishëm. Vlerësimi i tij përmes 

një përqasjeje të simulimit stokastik ofron informacion të plotë 

edhe mbi shpërndarjen probabilitare të termit të gabimit, për 

rrjedhojë edhe mbi shpërndarjen e parashikimit (parashikimeve) 

të përftuar nga modeli, me supozimin se forma funksionale është 

e mirëspecifikuar, supozimet për variablat ekzogjenë janë të sakta 

dhe do të materializohen në të ardhmen, si dhe parametrat e 

vlerësuar janë ata realë. Për më tepër, duke u bazuar në llojin dhe 

formën e shpërndarjes së parashikimeve stokastike, ne mund të 

vlerësojmë nëse parashikimet e bëra nga një model i caktuar janë 

ose jo të mbivlerësuara. 

Ky material synon të vlerësojë në mënyrë të qartë ecurinë e 

modelit MEAM duke përdorur teknikën Monte Carlo të simulimeve 

stokastike, duke u përqendruar vetëm në pasigurinë që rrjedh nga 

termi i gabimit në model, si dhe identifikimin e atyre variablave që 

sjellin pasiguri më të lartë në parashikimin e Pbb-së reale. 

Materiali është organizuar si më poshtë: seksioni i dytë 

përshkruan pasiguritë e modelit dhe diskuton analizën e gabimeve 

të pritshme të parashikimit, duke u bazuar në formula analitike. 

Seksioni i tretë paraqet simulimet deterministike dhe stokastike. Në 

seksionin e katërt paraqitet teknika e simulimit Monte Carlo. Në 

seksionin e pestë jepet një përshkrim i shkurtër i modelit MEAM dhe 

një përmbledhje e rezultateve empirike të simulimeve stokastike 

me goditje të shtuara në ekuacion. Së fundmi, seksioni i gjashtë 

paraqet përfundimet.

---

-9-

2. NjË PËRqASjE ANALITIKE PËR HULUMTIMIN E 

PASIGURISË SË PARASHIKIMIT

Pasiguria është një atribut i pandarë i çdo parashikimi, i cili është 

rezultat i një numri të caktuar faktorësh, ku përfshihen njohuritë 

tona ose preferencat në lidhje me modelin teorik më përfaqësues 

të realitetit tonë ekonomik, dinamika e zhvillimit të ecurisë së 

kaluar dhe të pritshme të variablave ekzogjenë, si dhe eksperienca 

e vlerësimeve empirike. Të gjithë elementët e përcaktuar më sipër 

bazohen në përvoja të ndryshme ekonomike, të përcaktuara në 

kohë dhe në hapësirë, në të cilat formohet procesi i njohjes dhe 

analizës individuale të çdo personi ose grupi personash. Në këtë 

kontekst, ka pak të ngjarë që të gjithë vendimmarrësit të bazohen në 

të njëjtin model dhe teori ekonomike, të kenë të njëjtat pritshmëri në 

lidhje me goditjet e ndryshme ekonomike dhe të bazojnë vlerësimin 

në të njëjtët variabla ekzogjenë dhe instrumente, etj. Për këtë 

arsye, duke u bazuar në përvojën dhe besimet e vendimmarrësve 

(të cilat kanë shumë të ngjarë të ndryshojnë nga ato të ndërtuesit 

të modelit), rezultati i modelit nuk do ta përshkruajë ekonominë 

domosdoshmërisht saktësisht në të njëjtën mënyrë siç parashikohet 

nga vendimmarrësi. Çdo ndryshim në perceptim për një ose më 

shumë prej elementëve të diskutuar më lart në procesin e gjenerimit 

të të dhënave (DGP) përbën një burim të mundshëm në rezultatet 

e pritshme të vendimmarrësve dhe të modelistëve. Ato përbëjnë 

burim të mundshëm pasigurie në rezultatet e të gjitha modeleve. 

Çdo model është në vetvete një thjeshtim i pranueshëm i realitetit 

ekonomik. Ai përfshin të gjithë bazën teorike si dhe informacionin 

e vlefshëm në lidhje me të dhënat e marrëdhëniet ekonomike, në 

momentin e ndërtimit të tij. Duke përdorur këto burime, ndërtuesi i 

modelit përpiqet ta specifikojë modelin në mënyrë të tillë që ky i fundit 

të sigurojë një përafrim sa më të mirë me procesin e gjenerimit të të 

dhënave (DGP), ose më saktë, me procesin e gjenerimit të të dhënave 

lokale (LDGP), siç përkufizohet nga Hendry (2011). Pavarësisht 

përpjekjeve të panumërta të ndërtuesit të modelit, modeli përfundon 

gjithmonë me një vektor gabimi, i cili për çdo periudhë kohe t mat 

devijimin e të dhënave të gjeneruara nga modeli me vlerat reale të 

vrojtuara të variablit. Në përgjithësi, çdo model që përpiqet të imitojë 

realitetin mund të jepet në formën e mëposhtme të përgjithshme: 

---