中国宏观经济混频数据模型的研究与应用.pdf

摘 要 中国宏观经济混频数据模型的研究与应用 宏观经济时间序列中有诸多能反映当前经济状态和未来经济走势的时间序列数据，如： 季度 GDP 数据、月度 CPI 和 PPI 数据、金融市场收益的日数据、股票市场波动的日内数据 等等。这些数据受到经济个体、企业、组织和国家，甚至是国际社会的广泛关注，人们试 图使用不同的数据处理方法和构建各种模型从这些纷繁复杂的数据中攫取信息，用于模型 的估计与预测，并将其作为储蓄、投资和决策等经济行为的基础和重要参考。时间序列数 据纷繁复杂，数据长度、抽样频率，以及数据属性都不尽相同，而目前时间序列模型基本 上都采用相同频率的数据，如果数据频率不同，有的研究采用加总或替代的方法将高频数 据处理为低频数据，有的采用插值法将低频数据处理为高频数据，经过这些预先处理过的 数据才能应用到传统的时间序列模型中。然而，高频数据加总为低频数据时，忽视了高频 数据中部分样本信息，抹杀了高频数据的波动，在一定程度上人为地减少了样本信息；而 低频数据插值所得到的高频数据有人为构造的痕迹，且很多插值方法均是纯数学方法，缺 乏经济理论的支撑。在实际应用中，大部分研究都采用加总或替代的方法将高频数据处理 为低频数据，仅有少部分由于模型的需要，数据短缺等因素才采用插值等方法将低频数据 处理为高频数据。如果能有一种模型能直接利用不同频率的数据，上述问题就迎刃而解， 正是在这种情形下，混频数据模型应运而生。 随着各种不同频率时间数据的累积，科学计算技术的发展，混频数据模型的构建，不 同频率时间序列的模型开始发展起来，受到越来越多的关注，并被广泛应用，如利用混频 数据模型改进预测模型的预测精度和预测的时效性，利用混频数据与其他高级计量方法结 合，一方面可以改善模型估计的精度，另一方面还可以对比分析混频数据模型的应用是否 对传统模型有所改进。因此，在实证研究中如果使用的数据存在频率不一致的情况时，都 应该尽可能地采用混频数据模型来进行实证研究。本文围绕着混频数据模型在我国宏观经 济中的应用展开一系列的研究，一方面集中于混频数据模型在我国宏观经济预测中的应用， 包括混频数据预测模型的应用与比较分析，混频数据预测模型的有效性和预测结果评价等 问题；另一方面关注混频数据模型与计量经济模型的结合，主要包括因子混频数据模型、 协整混频数据模型、马尔可夫转移混频数据模型、混频向量自回归模型等。本文从混频数 据模型的构建、估计和预测来阐述其研究与应用，具体分成如下几个部分： i 第一，混频数据抽样 (MIDAS) 模型有效性与预测精确性的初步分析。第 3 章通过对混 频数据模型的介绍，构建我国宏观经济总量实时预报与短期预测的 MIDAS 模型，并利用我 国宏观经济数据深入探讨一元MIDAS 模型中高频数据滞后阶数、预测步长，以及自回归阶 数的选择问题，随后利用最优参数选择结果构建多元 MIDAS 模型对我国宏观经济总量的进 行实时预报和短期预测，结果显示混频数据模型能够攫取高频解释变量的信息，相比同频 ( 同高频或同低频) 数据模型，具有显著的比较优势，体现了混频数据模型在我国宏观经济 应用中的有效性和适用性。 第二，混频向量自回归 (MF-VAR) 模型有效性和预测精确性的比较分析。第 4 章的 MF-VAR 模型传承了 VAR 模型能够系统地动态反映变量间相互关系的优点，并利用卡尔曼 滤波的方法对模型进行估计和预测。同时，考虑到我国宏观经济数据越来越丰富，经济运 行越来越复杂，仅凭单个或几个经济变量来预测和预报宏观经济走势是远远不够的。因此， 文中采用大量月度指标对 MF-VAR 模型进行比较分析，并与 MIDAS 模型的结果进行对比 分析。实证结果表明 MF-VAR 模型结合单个不同变量的预测效果存在差异，但组合预测结 果显示MF-VAR 模型对我国实际GDP 增长率的实时预报和短期预测总体上来说是有效且适 用的；而与 MIDAS 模型的对比分析显示 MF-VAR 类模型在较长期的预测效果较好，MIDAS 模型在较短期的预测效果较好，因此可以将两类混频数据模型结合起来为中国实际 GDP 提 供更加精准的实时预报和短期预测结果。 第三，结合大量高频数据的因子混频数据模型的有效性和精