基于贝叶斯模型平均(BMA)方法的中国通货膨胀预测.pdf

基于贝叶斯模型平均 (BMA) 方法的 中国通货膨胀的建模及预测 陈伟 牛霖琳 （厦门大学管理学院， 福建厦门 361005； 厦门大学王亚南经济研究院， 福建厦门 361005）  摘要: 模型和参数的不确定性、以及信息的综合有效利用是影响宏观变量预测精度的主要因 素。本文运用贝叶斯模型平均 （ ）方法建模并对样本外通胀进行预测，综合备选模型 BMA 及变量的信息，以控制模型不确定性，并有效利用丰富的宏观数据信息。本文选取 28 个解 释变量构建了含有228 个单一线性模型的集合，实证上采用了马尔科夫链蒙特卡洛模型综合 算法（MC 3 ）对备选模型进行抽签，抽签次数为 1000 万次。采用中国宏观数据的实证结果 表明，通胀一阶滞后项与工业企业增加值增速作为预测因子几乎被选择在所有预测模型中； 对于通胀的样本内拟合，贝叶斯模型平均（BMA ）方法优于单一模型；对于样本外预测， 在RMSE 标准下，贝叶斯模型平均方法的预测能力优于较为流行的 AR 模型、主成分分析模 型、菲利普斯曲线模型、利率期限结构模型、单一最优模型和五变量模型。 关键词：贝叶斯模型平均；通货膨胀；蒙特卡洛模拟；MC 3 JEL分类号： E31，E47，C11 文献标识码：A 文章编号： Modeling and forecasting inflation in China: A Bayesian Model Averaging approach CHEN Wei , NIU Linlin Abstract: This paper focuses on the modeling and forecasting of inflation out-of sample in China using Bayesian Model Averaging method to reduce the problem of model uncertainty and improving information efficiency. The general framework is a simple linear regression model using a large set of potential indicators, comprising 28 monthly time series covering a wide spectrum of Chinese economic indicators. We use the Markov chain Monte Carlo Model Combination( MC 3 ) method to choose the model which can best forecast inflation. The result show that the BMA method do better than a wide range of popular models such as the AR model, the model using principal components, Philips Curve model, term structure model, the single best linear model and the five factor model. KeyWords: Bayesian Model Averaging, Inflation, Monte Carlo simulation, MC 3 一、引言 各国政府都将稳定物价作为宏观调控目标之一，物价稳定能够为决策者提供一个稳定的 预期环境，并发挥价格在资源配置中的引导性作用。央行作为货币政策的制定者和执行者， 为了实现稳定物价的目标，必须增强货币政策的前瞻性，对未来通胀事前做出合理判断，采 取适当措施以使通胀回归到目标区间，防止物价大起大落，防止经济出现巨大波动。央行调 控方向的正确与否有赖于对未来通胀的准确预测，而经济学家必须对如何建模以及