宏观经济降息预测模型的探索.pdfVIP

证券研究报告 内容目录 策略：从 “第一性原理”出发4 一些反思4 两点原则4 框架：8个指标看降息5 剧透：降息并非 “无迹可寻”5 总框架：央行 “四大目标”6 经济增长6 币值稳定8 内外平衡10 金融稳定11 关键一步：集合决策12 回溯：预警准确度12 小结与前瞻：潜力仍大 13 请务必阅读正文之后的免责声明及其项下所有内容 2 证券研究报告 图表目录 图1：以 “决策树”和 “随机森林”为例4 图2： “换锚”后至今年7月间，央行共进行了6次降息5 图3：输入变量：制造业PMI6 图4：子模型 I输出结果6 图5：输入变量：新增人民币贷款7 图6：子模型 II输出结果7 图7：输入变量：工作时长与PMI从业人员8 图8：子模型 III输出结果8 图9：输入变量：CPI9 图10：子模型 IV输出结果9 图11：输入变量：PMI出厂价格9 图12：子模型V输出结果9 图13：输入变量：美联储政策利率等 10 图14：子模型VI输出结果 10 图15：输入变量：人民币汇率 11 图16：子模型VII输出结果 11 图17：输入变量：1年AAA同业存单到期收益率11 图18：子模型VIII输出结果 11 图19：合成各子模型输出结果，并判断是否构成降息提示 12 图20：回溯期内，模型总体表现出色，但虚线部分多次提示落空 13 图21：模型根据7月数据做出降息提示，随后降息落地 13 请务必阅读正文之后的免责声明及其项下所有内容 3 证券研究报告 降息历来是市场高度关注的宏观事件。但长期以来，预测降息一直是宏观研究的 “老大难”问题：一方面，在外界看来，央行降息有一定 “偶然性”；另一方面， 市场对于降息的判断仍然偏主观，分析思路难免 “八仙过海”甚至 “事件驱动”， 尚未形成跟踪预测我国央行调降政策利率的有效体系。 在本篇报告中，我们探讨构建降息的 “拇指法则” （ruleofthumb）：一个基于 直观逻辑和客观数据的降息预测框架。 策略：从 “第一性原理”出发 一些反思 构建央行降息的量化框架遇到的困难，可能受累于至少以下两种思维定势： 一是 “唯结果论”。在寻找算法、指标或训练模型的过程中，过于结果导向，可 能会产出缺乏理论基础的 “黑箱模型”，从而导致 “过度拟合” （overfitting） 的经典问题：对已发生结果解释很好，但外延能力偏弱。 二是 “过于具象”。在以深度学习为代表的，动辄上亿变量的大数据模型成为趋 势的今天，建模时容易陷入变量越多、算法越复杂越好的思维定势。然而，研判 降息无论就数据基础亦或逻辑基础而言，与一般模型均有较大差别。过于精细的 “具象”模型可能导致其 “抽象”能力不足。 两点原则 基于以上思考，我们提