ARMA及VAR模型对GDP预测效果探究.docVIP

ARMA及VAR模型对GDP预测效果探究摘要：本文回顾了GDP预测的不同模型，并用ARMA模型和VAR模型对季度GDP进行预测，将预测结果与相对权威的主观预测朗润预测进行比较，以检验ARMA模型和VAR模型的预测效果。 关键词：GDP预测 ARMA VAR 预测效果GDP作为衡量国家经济状况的重要指标，不但可反映一个国家的生产情况，还可以反映一国的国力与财富。准确预测GDP对于政策的制定具有重要的指导意义。长期以来，各国学者、政府以及金融机构，都致力于研究和改进GDP的预测方法。 对于GDP的模型预测，通常分为以下几种： （一）传统的结构宏观模型 这类模型建立在经典宏观经济学理论之上，其理论框架明确，因而有助于解释预测结果的经济学含义。欧洲各国央行一度曾基于IS/LM/AS模型对GDP进行估计。该模型由希克斯和汉森于1936年提出，是在产品市场和货币市场同时均衡的条件下，反映国民收入和利率关系的模型。该模型通过估计行为方程获得估计参数，经常使用变量的滞后值。这些预期都属于适应性预期，是人们基于过去的数据估计对未来趋势的预期模型。 （二）动态随机一般均衡模型 动态随机一般均衡模型（Dynamic Stochastic General Equilibrium，简称DSGE），是对传统的真实周期理论的拓展，主要用于政策模拟。传统的真实经济周期理论认为，市场机制本身是完善的，在长期或短期中都可以自发地使经济实现充分均衡；经济周期本身就是经济趋势或者潜在的国内生产总值的变动，并不存在与长期趋势不同的短期经济背离。由于在传统的真实周期理论里没有货币和政府，而货币和政府可能在经济活动中起着重要作用。通过在真实经济周期模型中引入政府冲击、偏好冲击、货币冲击、不完全竞争等因素，形成扩展后的真实周期模型，亦即所谓的DSGE模型。从DSGE模型中可以清晰地观察经济主体的最优决策方式，以及决策与行为之间的相互关系，具有坚实的微观理论基础。因为DSGE模型不仅描述行为方程的长期均衡关系，也描述短期调整过程，所以能清楚地识别各结构性冲击造成的影响。 近年来，欧洲中央银行在DSGE模型的基础上进一步研究，开发出NAWM模型（New Area Wide Model），预计该模型将会成为欧央行重要的政策分析工具。在中国，经济学界和政策机构对DSGE模型的研究也正在兴起，国务院发展研究中心、中国社会科学院等机构已经开始建立具体问题导向的DSGE模型。 （三）时间序列模型 目前较为通用的GDP预测方式，是采用时间序列模型的计量经济学分析。该方法特别适用于经济运行的短期分析。时间序列模型，是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计，来建立数学模型的理论和方法。其中最为常见的是自回归移动平均模型 (ARMA模型)和向量自回归模型（VAR模型）。 1、ARMA模型 ARMA模型的基本原理是，将预测指标随时间推移而形成的数据序列看作一个随机序列，这组随机变量所具有的依存关系体现着原始数据在时间上的延续性。变量既有自身的变动规律，又受到外界因素的延续性影响。建立ARMA模型要求变量序列具有平稳性,如果序列 不平稳，则需要将其通过d次差分后变为平稳序列，即如果，则差分： 其中的为平稳序列，由此可以建立模型： 经过d阶差分后的模型称为模型（Autoregressive Integrated Moving Average Model），式中的p为自回归模型的阶数，q为移动平均的阶数，为一个随机白噪声过程。 用ARMA模型预测，只需要变量自身的历史数据，因此具有操作简便的特点。尽管影响GDP变化的因素众多，但不同因素间可能存在此消彼长的关系—这在某种程度上增加了GDP的相对稳定性。也就是说，相对于众经济变量而言，GDP的短期变化要明显小于各组成变量的变化程度。从短期预测的角度来看，GDP作为国民经济核算体系中综合性最强的指标，它本身的变化已经包含了诸多变量的影响，这为建立ARMA 模型创造了有利条件。 2、VAR模型 VAR模型，是一种常用的计量经济模型：基于数据的统计性质建立模型，再用模型中所有当期变量对所有变量的若干滞后变量进行回归，用来估计联合内生变量的动态关系。VAR模型是在处理多个相关经济指标的分析与预测中，最容易操作的模型之一。 VAR模型的定义式为：设是阶时序因变量列向量，则p阶VAR模型（记为）： ,其中是第i个待估N×N阶矩阵，Ut=(μ1tμ2t…μnt)是N×1阶随机误差列向量，Ω是N×N阶方差协方差矩阵。 本文用ARMA模型和VAR模型对季度GDP进行拟合，并将预测结果与相对权威的主观预测结果朗润预测进行比较，以检验ARMA模型和VAR模型的预测效果。