基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

人民币汇率的混频分析与预测——基于半参数误差修正模型

汇率能够对国家外贸与全球资本流动产生重要的直接影响,也能够通过价格传递、货币供给量等渠道间接影响一国经济。基于半参数误差修正(SEMI-ECM)模型,选取美元兑人民币的月度平均汇率,对中国市场汇率做进一步的预测研究。研究发现:所采用的半参数误差修正模型,在进行误差修正时能够保持显著的反向修正作用。为消除实验数据选取误差,在进行连续预测时,采用递归、滚动和固定三种样本数据,SEMI-ECM预测效果均为最佳水平。实证结果表明:美元兑人民币汇率同时受贸易条件、非贸易品与贸易品的价格比、美联储基准利率和高频金融变量显著影响,中国宏观经济指标的上行有利于化解目前汇率走势低迷的困境。     

基于混频模型的CPI短期预测研究

传统的CPI预测模型都是基于相同频率的月度数据,金融市场的高频日度数据需要转化为月度数据才能使用。这会忽略日度变量所包含的CPI短期走势信息。为充分利用这些信息,本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI的短期走势预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。     

基于投资混频数据的中国经济波动预测

文章基于投资与经济波动之间的相关关系,充分体现统计调查数据和网络搜索数据的优势,利用两种数据对中国宏观经济波动进行研究。针对混频数据的特点和深度学习算法的优势,提出了融合混频数据和深度学习的宏观经济预测方法。首先,考虑到政府统计调查数据与经济波动的强相关性,选取政府投资统计月度指标合成投资统计指数;然后,结合网络搜索数据的时效性和高频性,选取与投资相关关键词的百度指数日度数据合成投资网络搜索指数;最后,构建多源混频数据长短期记忆神经网络模型（MM-LSTM）,利用中国2011—2022年的相关数据进行实证研究,并考察模型的精度与时效性。结果表明,投资相关指标与中国GDP增长率之间存在正向关系;网络搜索数据的加入有助于提升宏观经济预测的精度;MM-LSTM模型提高了短期和中期的预测精度,具备提前预测能力,可为相关部门提供决策依据。     

基于混频数据的宏观经济组合预测模型与实证

文章利用我国日度金融数据和月/季度宏观经济数据,从伪样本外预测的角度,构建混频数据抽样模型(MIDAS),并加入金融、经济领先因子,对比四类组合预测模型对宏观经济的预测精度。结果显示:组合预测模型能减少对宏观经济预测的系统误差,提高预测精度。其中,日度金融数据可以提高单变量的预测精度;无论在MIDAS还是在传统预测模型中,月/季度宏观经济数据均能提高对宏观经济的预测精度;月/季度宏观经济数据对宏观经济的预测效果与日度金融数据对宏观经济的预测效果相当,甚至优于日度金融数据对宏观经济的预测效果;月/季度宏观经济数据的领先项对我国宏观经济的预测效果较好。     

经济景气指标与实际GDP增长率的混频预测

文章通过构建月度景气指标与季度实际GDP增长率之间的混频动态向量自回归模型,并采用期望最大值算法和卡尔曼滤波来实现混频数据和缺失数据的估计和迭代预测.大量月度景气指标的MFVAR模型的伪实时数据的多步滚动迭代样本外预测结果表明:虽然不同类别的月度景气变量在不同预测期的预测结果存在一定的差异,但实时预报、短期预测,以及组合预测结果均表明混频动态向量自回归预测模型对我国季度实际GDP增长率的实时预报和短期预测具有精确性、有效性与适用性.     

大维变量选择、混频因子模型与新冠肺炎疫情冲击下的GDP现时预测

新冠肺炎疫情不仅对我国宏观经济造成了巨大冲击,也为准确预测我国宏观经济未来走势带来挑战。本文从新冠肺炎疫情冲击出发,将模型置信集检验与U-MIDAS模型组合,设计了一种在混频情形下利用预测变量的异质性波动从大维数据集中选取对GDP具有稳定预测效果变量的方法。通过利用选取出的稳定性变量构建多种形式的混频目标因子模型并与其他类型的混频因子模型对比,全面评估了不同模型在疫情前后对GDP进行高频现时预测的效果。研究发现,在疫情冲击前的平稳时期,利用覆盖范围较广的变量构建双因子MIDAS模型预测效果最优;利用稳定性变量构建的单因子U-MIDAS模型同样具有良好的预测效果。当经济从冲击中持续恢复时,利用部分稳定性变量构建的双因子U-MIDAS模型在捕捉到GDP的核心变化后率先对其连续做出准确的现时预测。经济稳定时,对预测变量设定较长的滞后阶数会提升预测效果;在冲击后的恢复期中则应减少滞后阶数,避免变量在冲击中出现的异常值对预测产生负面影响。本文也为当经济受到巨大外生冲击或处于冲击后的恢复期时其他宏观经济指标的预测提供了有价值的参考。     

基于混频数据的日度经济不确定性测度及其应用

经济不确定性主要反映经济系统的不可预测程度,可以通过经济指标的实际值和预期值之间的偏差进行测度。为及时测度我国的经济不确定性,本文提出一种同比形式的日度混频动态因子模型,将金融市场的日度数据和传统的宏观低频数据信息相结合,构建我国日度经济意外指数和经济不确定性指数,用于反映我国宏观经济运行的非预期成分和不确定性程度。进一步地,本文基于日度数据分别讨论经济意外指数对人民币汇率的影响,以及经济不确定性对我国股市波动率的影响,研究结果表明经济意外指数的正向变化使人民币对美元升值,经济不确定性的增加将加剧股市波动。     

基于动态因子和混频数据的天然气需求概率预测模型设计与应用

随着天然气消费需求的快速增长,需求波动也显著加剧,导致部分地区天然气供需出现季节性和阶段性的失衡。本文基于混频采样框架、分位数回归模型和核密度估计的天然气需求混频概率预测模型,构建了包括天气状况、能源市场、资本市场和投资关注4个方面的综合性混频动态因子系统,以期更精确地预测我国的天然气需求。研究发现,天气状况、能源市场和投资关注对天然气需求的预测能力优于资本市场。在天气状况方面,每日温度是月度天然气需求的最佳指标;在能源市场方面,月度天然气需求呈现出显著的自相关特征,持续时间为3～5个月,石油现货价格和煤炭现货价格的影响持续天数较短,分别为11天和10天;在预测表现方面,样本外的月度天然气需求实际值大部分出现在概率密度曲线的最高点附近。本文所提出的模型不仅能够直接使用混频动态因子的前瞻性信息,还能够获得平滑的天然气需求概率密度曲线,预测精确度相较现有模型提升14.13%～29.15%。研究结论为保障我国天然气市场安全,完善“双碳”政策设计提供有益的决策参考。     

基于预测包容的组合预测单项模型遴选算法

对预测模型的合理选择是搞好预测的核心.文章针对面向组合预测的单项模型遴选问题,引入预测包容理论,提出了基于预测包容的组合预测单项模型遴选算法.     

基于ARIMA模型的消费者价格指数预测

科学准确地预测CPI将为宏观经济政策的制定提供合理的数据支持.文章根据我国2010年1月至2015年6月CPI月度数据建立ARIMA模型,对2015年下半年我国的CPI数据进行预测.实证结果表明:ARIMA(12,1,2)模型的预测效果良好,可以作为我国CPI走势判断的有效依据.     

中国国内生产总值的误差修正模型

文章首先描述了我国l953—2001年的国内生产总值、消费与投资(基本建设)的发展态势，接着对这三个变量的时间序列(对数形式)进行了单整性检验，结果证明这三者(对数形式)之间存在着协整关系，并且进一步建立了我国国内生产总值(对数形式)的误差修正模型，说明这三者之间存在动态均衡机制。     

基于VAR模型的居民消费价格指数预测

2009年下半年至2010年5月,我国通胀预期不断加大。这是否预示会经历新的一轮CPI的大幅上涨成为了各界关注的焦点。文章运用VAR模型,分析各因素对CPI的影响,得出CPI对自身反应较为敏感,原料、燃料和动力购进价格指数对CPI的影响较弱,工业产品出厂价格指数以及货币供给增长率对CPI的影响也较弱,但有3个月的时滞。对未来36个月的CPI进行了定量预测,得出未来三年我国不会出现大规模通货膨胀的结论。     

基于ARIMA模型对我国能源需求的预测

本文利用时间序列的建模方法,对我国1987-2006年的能源消费总量数据进行了实证分析,构建了ARIMA模型。经检验该模型能够很好的拟合全社会对于能源的需求趋势。在此基础上作了短期预测,最后给出了结论及建议。     

基于混频数据的实体经济与金融市场时变溢出效应研究

本文基于混频VAR模型分析了中国实体经济与股票市场、债券市场之间的时变溢出效应。结果显示,实体经济与股票市场、债券市场之间收益率与波动率的溢出效应呈现显著的时变特征,溢出效应在金融危机期间呈现快速上升趋势,而后呈现下降态势,且易受到极端事件的影响;在大部分考察时期内存在股票市场向实体经济的波动率溢出效应,而债券市场相对于实体经济则从考察初期波动率溢出效应的净输入方转化为中后期的波动率溢出效应的净输出方。进一步分析收益率与波动率总溢出指数的影响因素,结果发现,极端事件、宏观经济代理变量和期限利差对于溢出效应具有正向影响,泰德利差对波动率总溢出指数具有负向影响,而投资者情绪指数对收益率总溢出指数具有负向影响。     

中国混频金融状况指数的构建

文章从货币政策经济增长目标出发,构建了新的混频金融状况指数(MFFCI)编制公式,使用MF-VAR模型,测算了金融状况变量的混频权重系数,实证编制和应用了中国MFFCI,同时与同频金融状况指数(SFFCI)进行了比较分析.结果表明,MFFCI无论与GR的相关性、因果关系,还是对GR的领先性和预测能力,都比SFFCI好,说明MFFCI更适合中国.     

基于马尔可夫模型的旅游目的地人数预测

旅游业是当今社会极富竞争力的行业之一,谁能及时准确地预测未来的市场趋势,谁就能掌握市场的主动权.文章通过旅游地人数的历年增长率的不同将其划分为不同的状态,并计算出状态之间的转移概率矩阵,构造出旅游地人数增长率的马尔可夫模型,并求出旅游地人数增长率的期望值入,从而成功的预测未来该旅游地的人数.最后,以江西省历年接待国际旅游人数为例,进行了实证研究,从而体现了马尔科夫预测法是一种科学有效的动态预测旅游目的地人数方法.     

基于ARIMA模型的中国CPI走势预测分析

消费者物价指数(CPI)是以与居民生活有关的产品及劳务价格统计出来的物价变动指标。文章选择中国2001年1月至2011年10月最新的月度CPI数据作为研究对象,构建了自回归求积移动平均ARIMA(12,1,20)模型,在模型拟合效果优良的基础上,成功对未来CPI走势进行了预测,为宏观层面有效实施物价调控政策提供了数量上的依据。     

中国城镇居民消费函数模型解析——基于误差修正模型的检验

文章回顾了西方国家有关消费函数的理论和模型,并对我国经济理论界有关消费函数的理论和模型作了综述,在误差修正模型的基础上建立了中国城镇居民消费函数模型,最后对提高我国居民消费倾向,刺激需求扩大提出了政策建议.     

Logistic模型预测的新思路

预测是Logistic模型的一个重要功能,文章在研究运用对数回归模型进行预测的问题基础上,进一步对Logistic模型在预测过程的由于模型随机项的非正态性、异方差性而引起的问题进行分析研究,研究发现,传统的预测方法会使得预测结果的精度不高,在考虑到模型随机项的存在及其具体特征后,通过分析推导,构造出新的预测思路和方法。