基于VAR的宏观经济预测及与郎润预测的比较精.docVIP

???? 基于VAR的宏观经济预测及与郎润预测的比较???? ???? 　　摘要：宏观经济预测的主要方法包括向量自回归(VAR)预测和主观判断性预测。目前国内还没有人对VAR模型和主观预测的准确度进行比较。基于1994年到2008年期间的月度数据，本文估计了一个包含六个变量的VAR模型。利用均方根误差(RMSE)，评估了VAR模型的样本外(out-of-sample)预测绩效，并将其与郎润预测加以比较。结果发现：货币对于未来经济活动没有预测力。VAR模型对CPI、商品零售额的预测优于郎润预测；对固定资产投资和工业增加值的预测二者不相上下；对进出口额的预测劣于郎润预测。 　　关键词：向量自回归(VAR)，经济预测，宏观经济 　　一、问题提出和文献回顾 　　对宏观变量的预测包括两大类方法：利用模型预测和主观判断性预测。上世纪六、七十年代各国中央银行盛行使用结构性计量模型进行预测，进入80年代，结构性模型逐渐被VAR模型取代。Litterman(1980)第一次将VAR模型用于经济预测。Litterman模型包含六个变量：国债利率、M1、GNP缩减指数、真实GNP、真实固定资产投资和失业率，预测结果表明在GDP和就业等真实变量上VAR超过了传统的结构性模型，在通货膨胀率的预测上则不令人满意。随后有大量文献对VAR模型预测技术进行发展，比如：Litterman(1984)在最初的模型中增加了汇率、股票指数和商品价格指数等变量；Leeper、Sims和Zha(1996)估计了包含13和18个变量的VAR模型；Banbura、Gian-none和Reichlin(2008)估计了超过100个变量的贝叶斯向量自回归(BVAR)模型。目前VAR模型已经成为中央银行宏观预测的基准工具。比如，英格兰银行构建了一系列的统计模型作为预测的基准，包括随机游走、非线性自回归模型、VAR、差分VAR、递归VAR、BVAR、包含货币的BVAR、因子模型等十几种模型，最终的预测结果是各个模型预测值的加权平均(Kapetanios、Labhard和Price(2007))。 　　VAR模型中只包含少数几个关键变量。而在实际预测当中，研究人员要同时跟踪数百甚至上千个变量，从中解读更加丰富的信息。因此国外的中央银行除了分析各种模型的预测结果外，还要考虑专家的主观判断结果。比如，美国联邦储备委员会每次开会议定货币政策以前，联储研究人员都要对美国经济走势提供主观预测，这被非正式地称为绿皮书(Green book)预测。绿皮书预测一般延迟5年提供给公众，目前在美国费城联储的网站上可以得到1965年到2002年的GDP和通货膨胀率的预测数据。 　　目前国内文献对VAR模型有较多的研究，但是主要集中在利用结构性VAR进行政策分析方面(刘斌(2001))；而对VAR模型的另外一个重要功能——经济预测，还较少有人研究。国内的宏观经济预测主要是采用主观判断性预测，其中比较有影响力的是朗润预测。“朗润预测”是由北京大学中国经济研究中心于2005年7月开始实行的一个项目，对中国宏观经济主要指标提供季度预测。具体预测指标包括GDP、CPI、工业增加值、固定资产投资、消费品零售额、出口、进口、利率、汇率等。“朗润预测”实行特约机构制度，参与机构除CCER以外还包括中国社会科学院以及十多家国内证券公司、国际金融机构等。在每个季度结束时，“朗润预测”记录并发布各特约机构对下一季度的预测数据，并在此基础上形成一个综合预测结果。 　　“朗润预测”综合了不同专家的判断性预测，包含了比简单的VAR模型更多的信息；而一般的VAR模型则有简单可以复制的预测程序。那么主观预测和模型预测孰优孰劣?对这方面的研究在国外也是刚刚开始。Edge、Kiley和Laforte(2006)比较了美联储绿皮书预测、随机游走模型、VAR模型和动态随机一般均衡(DSGE)模型的预测，结果发现在预测GDP方面DSGE模型和VAR模型优于主观预测，而在预泅9通胀率方面主观预测更好。在所有的预测方法中，VAR模型表现最为强健。 　　对于中国的数据，VAR模型预测和主观判断性预测各自的精度如何?目前国内没有人做过相关的比较。本文正是填补这方面的一个空白。作者选用和郎润预测相同的宏观经济变量，估计了一个VAR模型。同时利用VAR模型的均方根误差(RMSE)评估了模型的预测绩效，并将其与郎润预测加以比较。 　　二、变量选取和数据处理 　　本文选择从1994年1月到2008年12月的月度数据。数据样本从1994年开始是因为我们国家在1994年对汇率、金融、税收领域进行了多项改革，这样可以避免结构断裂问题，在一定程度上回避Lucas批评过的模型参数不稳定的问题。选择月度数据是考虑到月度数据包含了季度数据所不包含的信息。研究显示：当短期预