函数型数据分析在宏观经济预测中的实践.docxVIP

函数型数据分析在宏观经济预测中的实践

一、引言

（一）宏观经济预测的现实困境与方法迭代需求

宏观经济预测是宏观经济治理的重要支撑，精准的预测能够为政策制定、市场决策提供科学依据，帮助各类主体更好应对经济运行的不确定性。长期以来，宏观经济预测主要依赖离散时间点的观测数据，比如月度的消费价格指数、季度的国内生产总值、年度的固定资产投资总额等，传统的预测模型也大多围绕这些离散数据构建，通过时间序列外推、计量回归等方式得到未来某个或某几个时间点的预测值。但随着经济运行的复杂程度不断提升，传统预测方法的局限性逐渐显现：一方面，离散时点的数据只能反映经济运行在某个瞬间的状态，无法刻画经济变量随时间连续演化的动态过程，会损失大量过程性信息；另一方面，数字经济背景下经济数据的采集频率越来越高，日度甚至小时级的高频经济数据大量涌现，传统离散模型难以充分挖掘这些高频数据的价值，在面对突发冲击、非线性波动的场景时，预测精度和时效性往往难以满足实际需求（拉姆齐、西尔弗曼，2005）。在此背景下，探索更适配宏观经济连续运行特征的新预测方法，成为统计与宏观经济研究领域的重要方向。

（二）函数型数据分析的核心内涵与应用逻辑

函数型数据分析是近几十年发展起来的统计分析方法，其核心思路是将离散的观测数据重构为连续的函数曲线，把整条曲线作为基本的分析单元，而非传统方法中孤立的数值点。简单来说，传统方法是用“一个个点”