混频数据抽样模型(MIDAS)在通胀预测中的改进.docxVIP

混频数据抽样模型(MIDAS)在通胀预测中的改进

一、通胀预测的现实需求与传统模型的瓶颈

（一）通胀预测的宏观经济价值

通胀是衡量一国物价总水平的核心宏观经济指标，直接关系到居民的实际购买力、企业的生产经营决策，更是货币政策制定的核心锚点。如果通胀水平过高，会快速侵蚀中低收入群体的可支配收入，推高企业的生产成本，引发经济秩序的紊乱；如果通胀水平持续过低，则反映出总需求不足，容易导致企业投资意愿下降、失业率上升，拖累经济增长。因此，提前、准确地预判通胀走势，是宏观调控部门出台政策、市场主体调整经营策略的重要前提。尤其是近年来，全球经济面临供应链波动、大宗商品价格异动、地缘冲突等多重冲击，通胀的波动性和不确定性明显上升，对通胀预测的准确性和时效性提出了更高的要求。如何构建更适配复杂经济环境的通胀预测模型，一直是宏观经济研究领域的核心议题之一。

（二）传统同频预测模型的核心局限

传统的通胀预测模型，比如基于菲利普斯曲线的结构模型、向量自回归类模型等，都有一个共同的前提假设，即所有参与建模的变量必须具有相同的频率，比如全部采用月度数据或者全部采用季度数据。但在现实经济运行中，影响通胀的因素来源十分广泛，其中很多指标的发布频率远高于通胀数据：比如大宗商品价格、利率、汇率等是日度甚至日内更新的，农产品批发价格、物流运价指数等是周度发布的，而居民消费价格指数这类核心通胀指标通常是月度发布，部分更