中国经济增长与通胀的混频预测--基于Sims-Zha先验分布的BVAR模型

Sims-Zha先验分布使用两组虚拟变量提取了时间序列中单位根和协整的先验信息,将GLP等主流模型一般化为其特例。本文使用GDP与CPI的环比和累计同比混频数据,参考混频数据和超参数选择的研究成果,根据中国经济特点进行推导和测试后建立了Sims-Zha先验分布的贝叶斯向量自回归模型,并通过对预测结果的RMSE数值与国际上关于此问题的其他流行模型预测结果的RMSE值进行比较。研究发现:当GDP的原始数据不平稳需要进行一阶差分处理时,设定没有截距项的Sims-Zha先验分布的贝叶斯向量自回归模型,预测效果比原模型更优,当GDP的原始数据平稳时,则Sims-Zha先验分布的贝叶斯向量自回归模型比原模型预测效果更优,有无外生变量对模型预测效果的影响不明显,无外生变量累计同比增长率预测模型的预测效果最优;相比常用模型Sims-Zha先验分布下的贝叶斯向量自回归模型在GDP上的短期预测效果更精准,在CPI的短期预测上预测效果差于GLP模型,但是优于其他模型.