混合频率数据在宏观经济Nowcasting中的模型构建.docxVIP

混合频率数据在宏观经济Nowcasting中的模型构建

一、引言

宏观经济运行的实时监测是政策制定、市场主体决策的核心依据，传统的宏观经济分析往往依赖同频、滞后发布的统计数据，例如反映经济总量增速的核心指标GDP按季度发布，通常在季度结束后半个月到一个月才会公布初步核算值，后续还会经历多轮修正，这种数据发布的滞后性很难满足逆周期调节、市场即时响应的现实需求。所谓Nowcasting即“现测”，最早是气象领域用于短周期即时天气预判的方法，被引入宏观经济领域后，特指利用实时发布的各类前置信息，对当前尚未公布官方统计值的宏观经济运行状态进行估算、预判的研究范式（Giannone等，2008）。

在传统的宏观分析框架下，政策制定者往往需要等到季度GDP、工业利润等低频数据发布后才能判断经济走势，这种认知上的时滞很容易导致调控政策出台不及时，要么在经济过热的时候没有及时收紧，要么在经济下行压力加大的时候没有及时托底，放大经济的周期波动；而市场主体如果只能依靠滞后的公开信息做决策，也容易形成追涨杀跌的顺周期行为，进一步加大市场的波动幅度。早期的宏观现测多采用人工判断或简单的同频数据转换方法，把高频数据手动降频为季度数据再纳入模型，不仅损失了高频数据里蕴含的短期波动信息，还容易因为数据的时间聚合偏差导致预判结果失真。有研究测算，在季度GDP正式发布之前，利用月度和更高频的数据构建的混频现测模型，