中国宏观经济混频数据模型应用——基于MIDAS模型的实证研究.pdfVIP

经济科学 ·2010年第5期 中国宏观经济混频数据模型应用木 基于MIDAS模型的实证研究 刘金全 刘 汉 印 重 (吉林大学数量经济研究中心 吉林长春 130012) 摘 要：传统宏观计量模型需要利用加总或插值等方法将混频数据统一到同频数据再 应用于宏观经济模型中。而混频数据模型是直接利用混频数据构建模型，避免了因数据加 总或插值导致的信息损失和人为信息的虚增，充分利用了现有高频数据的信息，改进了宏 观计量模型估计的有效性和预测的精度。混频数据抽样模型 (MIDAS)是混频数据模型的 一 种，它使用参数控制的滞后权重多项式函数对高频滞后数据进行有权重的加总并构建模 型，再通过数值优化和非线性的方法估计混频数据模型中的最优参数。MIDAS模型是攫 取现有高频数据的全样本信息用于宏观经济和金融的分析与预测的有效方法，本文基于该 模型的实证研究探寻混频数据在中国宏观经济应用中的有效性。 关键词：混频数据 MIDAS模型 宏观经济 有效性 一 、 引 言 宏观经济中有诸多能反映当前宏观经济状态和未来宏观经济走势的经济数据，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，以便得 出当期宏 观经济的准确预报和未来一段时间内宏观经济走势的精确预测。然而，在构建宏观计量模 型时却经常出现数据抽样 的频率高低有别的问题，而大多数宏观计量模型都要求模型等式 两边的数据频率一致，因此要想利用传统的宏观计量模型去估计、预报和预测宏观经济就 必须对混频数据进行处理，有 的采用加总或替代 的方法将高频数据处理为低频数据 (Silvestrini和Veredas，2008)，有的采用插值法将低频数据处理为高频数据 (Chow和Lin， 1971；1976、赵进文和薛艳，2009)，但是这两种方法经常受到质疑，人们认为加总或替 代法在数据处理过程中忽视了高频数据 中部分样本信息，抹杀了高频数据的波动，在一定 基金项 目：国家 自然科学基金项 目 “非线性随机波动模型估计方法及应用研究”；教育部人 文社会科学重点研究基地 2008年度重大项 目 “我国经济周期波动态势与宏观经济总量 内在关联机制的 动态计量研究”(08JJD790133)；吉林大学 “211工程 ”和 “985工程”建设项 目资助。作者：刘金全， 吉林大学数量经济研究中心教授，经济学博士，博士研究生导师；刘汉，吉林大学数量经济学专业博 士研究生；印重，吉林大学数量经济学专业博士研究生。 23 程度上人为地减少 了样本信息，但是由于该方法的简便易行，在实际应用 中基本上都采用 这种方法；而插值法在应用上相对较少，但是对该方法的研究却相当多。人们普遍认为插 值法虽然能获得高频数据，但是这种高频数据一定程度上有人为构造的嫌疑，因此使用这 种高频数据建模时都非常谨慎，这也是该方法在实际应用中使用较少的重要原因。 混频数据模型不对混频数据做任何处理，而是充分利用原始数据的信息构建混频数据 模型。当前处理混频数据 的模型主要有混合数据抽样 (MIDAS，MixedDAtaSampling) 模型和混频向鼍 自回归移动平均 (VARMA)模型。MIDAS模型是吉塞尔斯等人 (Ghysels， Santa—Clara和Valkanov，2004)在分布滞后模型的基础上提出来的混合数据抽样 ，MIDAS 模型的提出的初衷是想利用混频数据模型从高频金融数据中攫取信息来预测金融市场 的 波动 (MIDAS在金融方面的应用如：Ghysels，Santa．Clara和 Valkanov，2005：2006、Forsberg 和Ghysels，2007、Chen和Ghysels，2008等等)。克莱蒙茨和加维奥 (Clements和Galv~o， 2005)开始将 MIDAS模型应用于宏观经济领域，马赛林诺和舒马赫 (Mracellino