第一讲宏观经济指标的趋势性分析精品.pptVIP

Gompertz曲线 可用Gompertz曲线描述非线性趋势，其形式为 一项新技术或一种新产品的推广过程都属于这种类型。当b0事先已知时（根据实际问题可以预估），上式可变换为， Gompertz曲线 进入期 成长期 成熟期 衰退期 Gompertz曲线 时间序列模型的预测 样本内预测（in sample） 考察选择的模型在给定样本中对数据拟合程度 样本外预测（out-of-sample） 一个拟合模型在给定解释变量的情况下对被解释变量的预测 预测的评价 对于模型预测功能的评价，通常可以将整个样本区间分成两部分，用样本前一段数据估计模型，然后利用所估计的模型对余下的数据点进行预测，一般利用85%~90%数据进行估计，剩余的数据进行检验。通过实际值和预测值的比对，评价模型预测功能。 假设预测样本期为t=T+1,T+2,…,T+h，有几种计算方法对预测模型精度进行度量。 注意： h的大小在Forecast sample中体现。 预测的评价 预测评价指标： 平均绝对误差（MAE） 平均相对误差（MAPE） 均方根误差（RMSE） Theil不等系数（U） 偏倚比例 方差比例 协方差比例 预测的评价 第一讲 宏观经济指标的趋势性分析 Hodrick-Prescott滤波方法 在宏观分析中，我们非常关心经济指标的长期趋势。 经济周期 宏观经济的景气指数 产出缺口研究：实际GDP-潜在GDP Hodrick-Prescott 滤波方法是使用最广泛的方法。 Hodrick-Prescott（1980）在分析美国战后经济周期时首次使用了HP滤波法。 HP滤波的基本原理 HP滤波的基本原理 HP滤波依赖于参数λ，需要实现设定。 当λ=0时，满足最小化问题的趋势序列为{Yt}序列 随着λ值的增加，估计的趋势越平滑 当λ趋于无穷大时，估计的趋势将接近线性函数。 一般经验 年度数据， λ=100 季度数据， λ=1600 月度数据， λ=14400 BP滤波的基本原理 时间序列可以看成不同谐波的叠加，研究时间序列在频率域的结构特征。这种分析方法主要是用功率谱的概念进行讨论的，所以通常称为谱分析。 谱分析的基本思想：将时间序列视为互补相关的周期分量的叠加，通过研究和比较各分量的周期变化，以揭示事件序列的频域结构，掌握其主要的波动特征。 BP滤波的具体内容请根据“高铁梅”教材自学。 Chapter6 Spectral Analysis, in James D.Hamilton, time series analysis 潜在产出和产出缺口 潜在产出和产出缺口 第一讲课后作业1 下载1992年1季度至2014年2季度GDP数据； 分别使用（1）趋势性回归模型（2）HP滤波（3）BP滤波求我国潜在产出，进而求出相对产出缺口。这三种方法是否存在显著差异。 结合我国宏观经济运行，分析我国产出缺口的变动情况。 对相对产出缺口和通货膨胀率进行相关性分析，正相关还是负相关？在统计上是否显著？两个变量之间相互影响的机制如何？ 第一讲课后作业2 下载2008年1月至2014年10月M2数据； 分别使用 （1）线性趋势性模型 （2）对数线性趋势型模型 （3）二次多项式趋势模型， 构建M2的趋势型模型（解释每个模型中参数估计的含义），对比这三种模型拟合性和预测性，选择最优的趋势性模型并说明原因。 请使用最优趋势性模型预测2014年11月份的货币供给M2。 * * * * 第一讲 宏观经济指标的趋势性分析 时间序列 时间序列的定义： 变量随时间变化，按等时间间隔所取得的观测值序列，称时间序列。 Y： {y1，y2，…，yn} yt取观测时间点处的瞬时值，如：某城市每日中午的气温值。仓库月末的存储量。每年7月1日的人口数。每年开学学生在册人数。 yt取相邻时间点期间的累积值。如：每年工农业总产值，某商场月销售额，年钢产量，年粮食产量。年某类商品贸易额。 我们的目标 我们将主要讨论两类问题： 序列由何种成分组成，怎样分离出这些成分。 怎样用观测到的数据去预测未来。 第一讲 宏观经济指标的趋势性分析 时间序列的基本特征 时间序列变化的基本特征是指各种时间序列表现出的具有共性的变化规律，如趋势变化、周期性变化等 根据时间序列变化的基本特征，它们可以分为： 呈水平形变化的时间序列 呈趋势变化的时间序列 呈周期变化的时间序列 具有冲动点的时间序列 具有转折变化的时间序列 呈阶梯形变化的时间序列 呈水平型变化的时间序列 经济变量的发展变化比较平稳，没有明显的上升或下降趋势，也没有较大幅度的上下波动 如处于市场饱和状态的产品销售量，生产过