基于模式分解的宏观因子预测模型.docVIP

[转载]基于模式分解的宏观因子预测模型 (2013-04-03 10:59:18) 原文地址：基于模式分解的宏观因子预测模型作者：DengPi 简介: 利用模式分解的数学方法将HS300分解为不同周期的模式；然后挑选其中影响最大的几个分解模式，并将其与宏观经济指标比较，希望能发现两者之间的对应关系；找到宏观经济指标与分解模式之间的对应关系之后，将对宏观经济指标的预测值做相应变换；再将这些变换后的宏观经济指标累加，最后得到对HS300的预测值。 主要内容： 1、首先将HS300指数做模式分解。 如下图所示：蓝线是HS300指数，红线是将HS300指数分解后得到的不同周期的分解模式，其中三条粗的红线是波动幅度最大的三个分解模式，即对HS300影响最大的三个因素。 实际上，当我们把三条较粗的红线叠加起来之后，与HS300指数比较两者区别已经不大。如下图所示：蓝线是HS300指数，红线是三条红色粗线叠加之后的曲线。 这里注意到在曲线的两端，红线与蓝线并不是吻合得很好，这是由于分解的端点效应引起的。这会给我们利用分解后的波动来预测HS300指数带来一定的困难。 为了解决这一问题，我们从分析这几个分解模式入手，试图找出与之对应的宏观经济指标，从而利用对这些宏观经济指标的预测，来估计分解模式的未来值，进而预测HS300指数。 2、我们按时间周期由长到短来与宏观经济指标比较。 为了理清脉络，这里我们只考虑波动幅度最大的三个分解模式。按照周期由长到短，我们分别记为：分解模式A、分解模式B和分解模式C。 对于时间周期最长的分解模式A，没有发现较好的能与之对应的宏观经济指标。但是由于这一分解模式较有规律且变化较慢，我们暂考虑将其直接外推。  对于下图中周期大约为四年的分解模式B，经过比较，我们发现它与CPI极为相似，在几乎所有的重要时间节点上都是对应的。但是在曲线两端，它与CPI数据符合得不太好，这正是由于端点效应造成的。这里我们可以考虑用CPI的曲线来修正该分解模式的端点值，并且加入对CPI的预测数据来估计分解模式B的未来数据。 对于下图中周期大约为二年的分解模式C，经过比较，我们发现它与工业增加值当月同比较为相似，在重要时间节点上都是对应的。同样的，由于端点效应，在曲线两端，它与工业增加值当月同比数据符合得不太好。这里我们同样考虑用工业增加值当月同比的曲线来修正该分解模式的端点值，并且加入对工业增加值当月同比的预测数据来估计分解模式C的未来数据。 3、将宏观经济指标预测值做相应变换 将CPI值乘以150再做适当平移,并与分解模式B比较 将工业增加值乘以100再做适当平移,并与分解模式C比较 4、将变换后的宏观经济指标累加 最后，我们将分解模式A按前期规律外推一段时间,并累加上变换后的CPI及工业增加值的预测值,三者之和与HS300指数比较并可做出未来一段时间的预测 主要结论 根据基于模式分解的宏观因子预测模型，我们预测在未来三个月（2012/5/25—2012/8/25），HS300会以下跌为主,并开始试探前期低点2250,预期价格区间为2700至2250.