20210227-中信证券-经济即时预测系列（一）：即时预测模型综述.pdfVIP

即时预测模型综述 经济即时预测系列（一） ｜2021.2.27 中信证券研究部 核心观点 宏观经济指标对政策研判、市场投资都具有重要意义，但受制于技术因素， 其数据发布往往频率较低且存在一定的时滞，各国央行等主流金融机构研发 并采用即时预测模型以实时追踪经济状态的变化，即通过计量方法，吸收高 频数据中的“新闻”，从而动态地调整对经济指标的预期。在这篇报告中， 我们对主要代表模型进行回顾，包括纽约联储的 Nowcasting 模型、WEI 模 型、亚特兰大联储的GDPNow 模型以及英格兰银行的 MIDAS 模型等。 诸建芳 ▍为了解决宏观经济数据发布频率较低以及存在一定时滞的问题，近年来主流 首席经济学家 金融机构研发了即时预测模型以实时追踪经济状态的变化。宏观经济指标指 S1010510120003 引了社会经济的总体变动趋势，也是实施货币政策和财政政策的重要参考， 但受制于技术因素，其数据发布往往频率较低且存在一定的时滞。为了解决 这些问题，各国央行等主流金融机构研发并采用即时预测模型以实时追踪经 济状态的变化，即通过计量方法，吸收高频数据中的“新闻”，从而动态地调 整对经济指标的预期。由于高频数据往往存在混合频率、参差不齐以及数据 缺失等问题，因此不同金融机构提出了不同技术路线以克服这些问题，我们 对其中的主要代表模型进行回顾。 ▍纽约联储发布了 Nowcasting 模型，用于预测美国季度 GDP 增速的变化情 程强 况。基于动态因子模型和卡尔曼滤波等技术，纽约联储构建了Nowcasting 模 首席宏观分析师 型，力图从纷繁复杂的高频数据中抽取经济运行的“共同趋势”，从而反映经 S1010520010002 济增速的变化。Nowcasting 模型通过一个统一的结构，较好地分解了新发布 数据对经济增速预期的影响，例如，在对美国 2021Q1 的预测中，由于零售 和食品服务、进出口价格指数等指标不断超预期，模型逐步向上调整了预测 数值至 8.3% （环比折年率）。但由于疫情冲击，经济结构发生明显变化，因 此Nowcasting 模型在2020Q3 和Q4 的预测偏误较大，仍有优化空间。 ▍为应对疫情对经济结构的冲击，纽约联储构建了WEI 模型，以追踪美国经济 运行和工业生产的变化情况。2020 年3 月开始，纽约联储推出了每周经济指 数（WEI）模型，用于更高频的追踪经济动向。不同于Nowcasting 模型，WEI 模型从消费、劳动力市场、工业生产等三个维度选择了 10 个更新频率更高的 变量。从13 周平均的WEI 数据来看，其走势较好地跟踪了GDP 同比增速的 变化趋势，对比其他同类模型，WEI 也表现出较好的预测精度和稳定性。 ▍亚特兰大联储采用 GDPNow 模型进行了更为细致的结构分析，以预测经济 增速。GDP