基于混频数据抽样的已实现EGARCH模型的波动率预测

该文以沪深300股指期货高频数据为样本,在Realized EGARCH模型的基础上引入了混频数据抽样(MIDAS)结构与时变波动,构建了基于偏t分布的SMA-Realized EGARCH MIDAS模型,该模型提高了模型捕捉长记忆性的能力,更好地刻画了模型的时变波动性.通过滚动时间窗的方法对模型进行VaR预测与后验测试,采用MCS检验评估各模型在不同测度下的波动率预测能力.研究结果显示:相比于传统的Realized GARCH模型、Realized EGARCH模型和Realized EGARCH MIDAS模型,本文提出的SMA-Realized EGARCH MIDAS模型具有更好的样本拟合效果与样本外波动率预测精度.

中国宏观经济混频数据模型应用——基于MIDAS模型的实证研究

传统宏观计量模型需要利用加总或插值等方法将混频数据统一到同频数据再应用于宏观经济模型中。而混频数据模型是直接利用混频数据构建模型,避免了因数据加总或插值导致的信息损失和人为信息的虚增,充分利用了现有高频数据的信息,改进了宏观计量模型估计的有效性和预测的精度。混频数据抽样模型(MIDAS)是混频数据模型的一种,它使用参数控制的滞后权重多项式函数对高频滞后数据进行有权重的加总并构建模型,再通过数值优化和非线性的方法估计混频数据模型中的最优参数。MIDAS模型是攫取现有高频数据的全样本信息用于宏观经济和金融的分析与预测的有效方法,本文基于该模型的实证研究探寻混频数据在中国宏观经济应用中的有效性。

我国电影票房收入增长对GDP增速的预测作用——基于混频数据抽样模型的实证分析

电影产业在我国经济发展中的作用日益显著,电影市场与我国宏观经济发展的内在联系有待深入研究。选取2012年1月到2018年3月我国周度电影票房收入增速作为高频解释变量,采用自回归分布滞后混频数据抽样模型(ADL-MIDAS)分析其与季度GDP增速及月度制造业PMI增速之间的关系,结果表明:电影票房收入增速与GDP增速和制造业PMI增速之间具有负向相关关系,我国电影市场存在"口红效应",可以根据电影票房收入增长情况对宏观经济走势做出预判。对多种模型的比较结果显示,加入电影票房收入可以显著提高GDP预测精度,电影票房收入可以作为GDP预测指标体系的有益补充。

基于Lasso-MIDAS模型的混频时间序列预测研究

针对传统的时间序列预测方法在处理复杂丰富的大数据时常面临变量间抽样频率不同、数据相关性复杂等问题,基于Lasso算法和混频数据抽样模型(MIDAS)提出了不改变数据结构的混频时序预测模型Lasso-MIDAS。该模型通过融合MIDAS处理混频信息的机制和Lasso算法的压缩特性来实现估计预测,实时修正对预测最有效的混频变量集;根据常见的正则化方法岭回归设计了Ridge-MIDAS模型用做对比。实验结果表明,Lasso-MIDAS在预测性能上优于标准MIDAS模型及对比模型,验证了该方法在混频时间序列预测方面的有效性。

建筑业上市公司财务风险度量研究——基于GARCH-MIDAS-VaR模型

针对金融数据存在的频率不一致问题,文章以建筑业上市公司季度财务数据及日度收益率为样本,引入广义自回归条件异方差混频数据抽样模型及不对称广义自回归条件异方差混频数据抽样模型,采用参数法计算在险价值指标,与样本公司实际损益率作对比,分析模型对最大损失的预测情况,进一步说明模型对建筑业上市公司财务风险的度量效果。实证研究表明,相比于传统的广义自回归条件异方差模型,广义自回归条件异方差混频数据抽样模型及不对称广义自回归条件异方差混频数据抽样模型能对样本公司的损益进行更有效的预测。基于此,在对上市公司财务风险进行度量研究时应充分考虑到数据的混频性质。

混频数据抽样模型等权低频化处理的估计偏误研究

文章通过剖析三种基础形式的混频数据抽样模型的内部结构,将其分解为等权重加权平均和非等权重加权平均两部分之和,从理论上证明了将高频数据等权低频化处理的EQW模型会造成高频变量的信息损失。并通过数理推导,证明了EQW模型的普通最小二乘估计量（OLS）有偏,而且高频解释变量与低频被解释变量的频率倍差越大,估计量的有效性越低。

房地产投资对GDP增速的实时预测效果分析--基于混频数据抽样模型

为检验房地产投资对实时预测GDP增速的作用与意义,文章利用向前h步预测的自回归混频数据抽样模型,选取2008年到2018年的房地产投资月度变化率作为高频解释变量,与我国消费、投资和出口三个常见的宏观经济变量实时预测季度GDP增速的效果进行比较分析。研究结果发现:在向前1步实时预测GDP增速时,虽然四项指标均表现尚可,但房地产投资这一指标预测误差最小,表现最优;房地产投资的向前h步混频数据抽样模型的预测效果远远胜于相对应的同频模型;由于不同滞后阶数对应的向前1步预测的自回归混频数据抽样模型均表现良好,而向前2步或以上时则不尽然,故房地产投资变化率更适合用于实时预测GDP增速。

铜川市信贷支持产业结构升级路径研究——基于混频数据抽样模型

铜川市是典型资源型转型城市,而产业结构升级是资源型城市转型的核心。我国银行信贷作为支持实体经济发展的主要途径,能有效通过金融资产配置,促进经济结构调整。本文在分析铜川市信贷支持产业升级的基础上,结合信贷支持影响产业升级理论机制及信贷支持路径,通过构建理论模型对铜川市信贷支持产业转型升级影响因素进行实证分析,针对信贷支持产业升级过程中存在的问题及短板,结合实证分析结论给出相关政策建议。

基于MIDAS混频数据的组合预测

传统计量经济预测模型只能针对同频数据,本文介绍了混频数据的预测模型,构建了四种不同权重函数的混频回归预测模型和非限制混频预测模型,根据四种模型的拟合精度,选择最优权重函数后进一步以神经网络为加权方式构建了混频回归组合预测模型。最后以美国GDP数据为例,介绍了所提组合方法的应用,结果表明本文所提的神经网络组合预测方法是有效和可行的,为混频数据的组合预测提供了一个新的思路。

混频数据模型在国库现金流预测中的应用研究

国库现金流预测对于提高国库现金的精细化管理水平具有重要意义。实证结果表明,相比指数平滑法、ARMA模型等传统预测方法,混频数据模型综合利用高频数据(日度数据)和低频数据(月度数据)对国库现金流的预测精度有所改善。MIDAS混频数据模型没有全面涵盖长期性、周期性因素,如与含长期性、周期性因素的线性回归模型、灰色系统模型、ARIMA模型等相互结合,有利于进一步改善预测精度。

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。

基于混频模型的外商直接投资对中国宏观经济波动预测研究

引入外商直接投资(foreign direct investment,FDI)和“三驾马车”,基于混频数据抽样模型预测中国季度GDP增长率,考察新冠疫情背景下FDI对中国宏观经济波动的影响。研究发现,单变量混频模型的均方根误差(root mean square error,RMSE)小于基准模型,预测精准度更高;多元混频模型引入FDI后,模型的实时预报RMSE比值为0.13,低于未引入的0.16,预测季度GDP增长率更精准;基于FDI预测的季度GDP增长率较“三驾马车”更高,表明FDI促进经济增长。

VIX指数能预测中国股市收益率吗——基于MIDAS模型的实证分析

随着中美两国之间的资本市场联系日益密切,美国股市对中国股市的走势有越来越重要的影响。VIX作为衡量美国股市波动率的指数,对中国股市收益率有预测力吗?本文基于MIDAS模型研究VIX指数对上证综指股指收益率的周/月混频预测效果,并和基准模型相比较,最后得出结论:VIX对中国股市收益率有显著的预测效果;加入因变量的一阶滞后项能显著提高预测效果;组合预测效果优于单变量预测;MIDAS模型较基准模型对股市收益率的长期预测效果更好。

基于混频数据模型实时预测效果分析--以中国GDP增速为例

传统的同频数据计量模型已不能满足对未来预测的精度要求,越来越多的研究者对混频数据展开探讨。本文以中国GDP增速为例,选取社会货运量、房地产开发投资等多个与宏观经济相关的月度指标,从中提取不可观测因子,并对不同类型混频数据模型的预测效果进行分析。结果发现:从众多指标中提取因子后,对模型的预测精度和拟合效果有促进作用,而且因为子变量携带了原变量的较多信息,因此其对模型的预测效果优于绝大多数单一变量;未受参数限制的MIDAS模型在拟合优度上以及在短期预测方面,都有更优的效果;另外,加入自回归项后,模型拟合效果有显著提高。

基于混频模型的CPI短期预测研究

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短期预测的影响。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AIC准则的混频数据季度GDP预测实证研究

在传统经济计量模型中,高频数据须经过加权平均或者插值拟合等方法才能整理为与低频数据同一频率的数据,再进行数据建模及分析。这种传统的计量模型不仅会造成高频数据信息的丢失,更会影响模型预测精度。混频数据模型则是利用不同频率数据来构建模型,可以避免数据因拟合或加权平均而造成信息损失,合理应用高频数据所蕴含的信息,从而提升模型的预测精度和时效性。本文应用混频数据抽样模型(MIDAS)对中国季度GDP进行预测,选取2000年第一季度至2017年第四季度GDP,在给定滞后阶数范围和赋予高频解释变量不同多项式权重函数的情况下,基于AIC信息准则选取最优的MIDAS预测模型预测时发现:滞后阶数最优的情况下,选取不同的多项式权重函数预测精度各有差异,AIC最小的模型预测精度并不是最优,故给出最优滞后阶数下不同权重函数的模型并对比其模型的预测精度,筛选出预测精度最好的模型并进行短期预测。

基于在线大数据的iCPI与CPI关系的研究

本文对清华大学iCPI项目组发布的基于在线大数据的居民消费价格指数iCPI与国家统计局发布的CPI的相互关系进行分析。运用时间序列模型研究了iCPI和CPI的短期和长期的统计相关性,并且运用混频数据抽样模型研究了iCPI所具有的实时和高频发布的特征对CPI实时预报和预测的作用。研究发现,iCPI和CPI在长期走势和短期变动方面都存在较大的差异,同时iCPI能够对CPI实时预报和预测提供有用信息。研究创新包括深入挖掘了iCPI的统计性质,提出改进iCPI编制的建议,以及利用iCPI改进CPI编制的政策建议。本研究为将iCPI与CPI相结合构建全面准确反映居民消费整体价格变动的新型价格指数提供参考。

基于“克强指数”对中国GDP的混频预测研究

通过构建MIDAS混频数据模型,基于"克强指数"对中国季度GDP增长率进行预测研究,并与ADL同频模型的预测误差相比较,结果表明,MIDAS混频数据模型在预测精度上占优,因此可用月度"克强指数"对季度GDP增长率进行预测,为宏观经济政策的制定提供依据。

黄金是股票市场的“避险天堂”吗?——基于动态条件相关混频数据抽样模型

本文提出一种新的衡量黄金避险功能的指标。基于动态条件相关混频数据抽样模型,就1991—2019年黄金对股票市场的避险作用进行再检验,结果显示,国际黄金总体上未表现出对美国股票市场的避险作用,相对比的,中国黄金对于国内股票市场表现出有效的避险功能。进而分析国际黄金避险功能不足的原因,改进动态条件相关混频数据抽样模型,由固定参数拓展为有限可变参数,研究发现,指数投资导致的黄金期货市场投机程度相对下降是黄金避险功能不足的根本原因。指数投资使黄金货币属性弱化,金融属性主导价格走势,此时较高的货币流动性紧缩会促使黄金与其他金融资产被一同变现卖出,从而导致黄金不能在危机时期表现出避险作用。

港口物流对当地经济的混频预测分析

为深入探究港口物流与当地宏观经济的内在联系,采用混频数据抽样(mixed-frequency data sampling,MIDAS)模型分析国内5个省市港口的月度港口货物吞吐量增长率对其季度GDP增长率预测的有效性。研究结果表明:港口货物吞吐量表征的港口物流对当地GDP具有较好的预测效果;相较于传统的季节性自回归综合移动平均(autoregressive integrated moving average,ARIMA)模型,MIDAS模型能够捕捉高频解释变量的有用信息,提高预测精度。