A comparison of Consumer Price Index Forecasting using ARIMA and ARIMAX Model
Keywords:
Forecasting, Consumer Price Index, ARIMA model, ARIMAX modelAbstract
This research aims to study and consider the efficiency of forecasting the Consumer Price Index from the ARIMA model and the ARIMAX model. The Consumer Price Index forecast results can be used as information for deciding monetary and fiscal policy. This research study uses monthly time series data from 1 January 2010 to 31 December 2022. In addition, independent variables are included in the ARIMAX model analysis including Real Effective Exchange Rate, Unemployment Rate, Import Price Index, Export Price Index, and Policy Interest Rate. The criterion for comparison contained Mean Absolute Deviation (MAD), Mean Square Error (MSE) and Mean Absolute Percentage Error (MAPE). Moreover, R-squared was used for consideration. The results of the study found that the ARIMA model that was most appropriate was the ARIMAX(2,1,(1,11)) model with the Export Price Index as the independent variable in forecasting, which gave MAD, MSE, MAPE (%) and R-squared (%) values equal 0.4216, 0.3435, 0.4166 % and 84.1019 % respectively.
References
ธนาคารแห่งประเทศไทย. ประกาศคณะกรรมการนโยบายการเงิน เป้าหมายของนโยบายการเงิน ประจำปี 2566.[อินเตอร์เน็ต]. 2565 [เข้าถึงเมื่อ 20 เม.ย. 2567]. เข้าถึงได้จาก: https://www.bot.or.th/content/dam/bot/documents/th/our-roles/monetary-policy/monetary-policy-target/AnnounceMPC_Target2566.pdf
พัชราภรณ์ นิยมจิตร. ปัจจัยที่มีผลต่อดัชนีราคาผู้บริโภคในประเทศไทย. วิทยานิพนธ์ปริญญาเศรษฐศาสตร์มหาบัณฑิต สาขาเศรษฐศาสตร์ธุรกิจ, คณะเศรษฐศาสตร์. มหาวิทยาลัยหอการค้าไทย. กรุงเทพฯ; 2561.
นิฉา แก้วหาวงษ์. การพยากรณ์ปริมาณการใช้ไฟฟ้าของประเทศไทยโดยใช้ตัวแบบ SARIMA และตัวแบบการถดถอยที่มีความคลาดเคลื่อนเป็นตัวแบบ ARMA. J Sci Tech 2558;4(1):24-36.
Bolanle AD, Oluwadare A. ARIMA and ARIMAX stochastic models for fertility in Nigeria. J Math Comp 2017;7(5):1-20.
Adu WK, Appiahene P, Afrifa S. VAR, ARIMAX and ARIMA models for nowcasting unemployment rate in Ghana using Google trends. J Elect Inform Tech 2023;10(12):1-16.
Aji BS, Indwi I, Rohmawati AA. Forecasting Number of COVID-19 Cases in Indonesia with ARIMA and ARIMAX models. In: proceedings of the 9th International Conference on Information and Communication Technology, August 3-5, 2021; Yogyakarta, Indonesia; 2021. p.71-5.
พงษ์ศิริ ศิริพานิช. การพยากรณ์อนุกรมเวลาด้วยตัวแบบผสมระหว่าง ARIMA และเครือข่ายประสาทเทียม. วิทยานิพนธ์ปริญญาวิทยาศาสตรมหาบัณฑิต สาขาวิชาคณิตศาสตร์และเทคโนโลยีสารสนเทศ, คณะวิทยาศาสตร์ มหาวิทยาลัยศิลปากร. กรุงเทพฯ; 2550.
Andrews BH, Dean MD, Swain R, Cole C. Building ARIMA and ARIMAX Models for Predicting Long-Term Disability Benefit Application Rates in the Public/Private Sectors. 1st ed. Chicago: Society of Actuaries; 2013.
Yimnak K, Intaramo R. Fourier Regression and ARIMAX Model for Forecasting Monthong Durian Price Index. Curr Appl Sci Technol 2021;21(4):712-20.
Anggraeni W, Vinarti R, Kurniawati Y. Performance Comparisons Between ARIMA and ARIMAX method in Moslem Kids Clothes Demand Forecasting: Case Study. Procedia Comput Sci 2015;72:630-7.
Kongcharoen C, Kruangpradit T. Autoregressive Integrated Moving Average with Explanatory Variable (ARIMAX) Model for Thailand Export. In: proceedings of the 33rd International Symposium on Forecasting, June 23-26, 2013; Seoul, Korea; 2013. p.1-8.
Andrianady J, Randrimifidy F, Ranaivoson MH, Steffanie TM. Econometric Analysis and Forecasting of Madagascar’s Economy: An ARIMAX Approach. [Internet]. 2023 [cited 2024 August 24]. Available from: https://mpra.ub.uni-muenchen.de/118763/1/MPRA_paper_118763.pdf
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Huachiew Chalermprakiet Science and Technology Journal
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความทุกบทความที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของ คณะวิทยาศาสตร์แฟละเทคโนโลยี มหาวิทยาลัยหัวเฉียวเฉลิมพระเกียรติ
