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。

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.

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。

反向有约束混频数据模型的市场化利率预测

为准确预测市场化利率,在混频数据抽样(MIDAS)模型和反向无约束混频数据抽样(RU-MIDAS)模型的基础上,提出了反向有约束混频数据抽样模型(RR-MIDAS),使之能够适应各变量之间频率倍差较大时,低频变量对高频变量的分析与预测.选取SHIBOR作为市场化利率的代表,分析其影响因素并开展预测研究.实证结果表明:RR-MIDAS模型能够细致揭示各变量间的实时动态变化关系,表现出很好的拟合效果与预测能力;宏观经济变量和资本市场信息能够在1周甚至1天内对货币供求关系产生影响,进而迅速反映在SHIBOR走势变化上.此外,稳健性检验结果验证了RR-MIDAS模型的实用性以及实证结论的可靠性.

混频数据模型应用研究现状及展望

混频数据模型能有效避免传统计量经济模型对不同频率数据"预处理"带来的有效信息损失或无效信息虚增问题。文章将混频数据模型的演变发展分为3个阶段,系统梳理了MIDAS模型及其衍生模型的提出背景及国内外应用领域;分别从预测方向及时效、变量指标选择、研究对象的频率差、滞后阶数及权重函数确定、基准模型比较5个方面分类介绍了混频数据模型的应用研究。最后,提出混频数据模型的未来研究方向可考虑拓宽理论模型应用领域,将现有金融经济领域的最新研究方法拓展应用到其他行业;引入统计学中变量选择的方法,更科学地筛选混频变量指标。

国际大宗商品价格波动对中国通货膨胀的影响研究——基于混频数据模型的估计

随着中国经济进入新常态,国际经济运行的不确定性所产生的作用与影响越来越显著。国际大宗商品价格冲击对国内通货膨胀的影响实证分析表明,混频方法估计结果更为准确、有效;国际大宗商品的价格变动与国内通货膨胀间存在显著且持久的正向相关关系,而汇率波动则在一定程度上反向抑制通货膨胀。面对当前大宗商品价格的持续低位震荡以及中国经济结构性调整造成的经济下行压力,密切关注国际大宗商品价格的动态趋势,并依据其影响中国物价水平的传递机制及联动效应积极采取应对措施,以有效缓解输入型通胀或通缩风险显得尤为重要。

中国货币政策中介目标的量价选择——现实困境与混频数据模型预测效果分析

数量型目标效果弱化和价格型目标体系尚未形成是现阶段中国货币政策中介目标选择的现实困境。理论分析表明,互联网金融和影子银行业务迅速发展、商业银行资产业务多元化以及金融脱媒等因素削弱了数量型目标的可测性、可控性及其与最终目标的相关性;市场基准利率缺失、利率双轨制、金融市场外部冲击多发、软预算约束部门存在以及经济结构扭曲等因素阻碍了价格型目标体系的转型。混频数据模型的预测结果显示,现阶段价格型中介目标更为有效。由数量型目标向价格型目标转型是金融深化的客观要求,推进利率市场化和软预算约束体制改革、坚持并不断完善价格型目标调控体系是未来一段时期最优的政策选择。

国库现金流预测存在的问题及方法研究——基于混频数据模型的实证分析

近年来,随着地方财政收入的不断增长,国库库存余额不断攀升,地方财政部门多采用开展国库现金管理的方式来实现国库资金的收益最大化,因此国库现金流预测对于提高国库现金管理水平具有重要意义。而混频数据模型(MIDAS)在高频数据向低频数据转化时,可以有效解决样本丢失的问题,因此相较于常用的指数平滑法和ARMA模型具有预测准确度高的优势。本文以吉林省2015-2019年国库现金流数据为例,运用MIDAS模型,对2020年国库现金流进行预测,同时就如何提高预测准确度提出政策建议。

基于高频遥感因子的EMD-ADL-MIDAS期货价格预测模型——以橡胶期货价格为例

本文以橡胶期货的特性为基础,构建了一个预测橡胶期货价格的因子体系,并进一步引入了高频的橡胶遥感因子,运用EMD-ADL-MIDAS模型进行实证预测分析。结果显示,橡胶遥感因子具有高度的准确性和可靠性,能作为预测橡胶期货价格的有效先行指标,为模型预测增添了价值。在模型改进方面,本文通过采用超参数最优组合的混频ADL-MIDAS模型处理不同频率的宏观数据与遥感因子,增强了混频信息的提取能力,模型预测效果相较于同频模型有显著改善。此外,本文将波动较大的橡胶期货价格进行了EMD分解,分解后的橡胶期货价格更为稳定,以便模型能更有效地捕获橡胶期货价格的趋势和季节性特征,从而进一步提高了模型预测的准确性。本文成果可为期货市场的各类参与者提供有力的决策支持,同时具有重要的理论和实践价值。

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。

基于混频数据模型的北京旅游需求短期预测

百度指数数据反映了用户的搜索行为与需求,为旅游需求的预测提供了数据基础。本文以北京市为例,构建基于百度指数月度数据的混频数据模型,开展对北京市季度旅游需求的短期预测。分析了高频北京美食百度指数月度数据滞后阶数和权重的变化对低频北京旅游人数的影响。实证结果表明,指数Almon权重的混频数据模型比其它不同权重形式的混频数据模型预测精度高。

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。

基于MIDAS模型的中国股市对居民消费的影响效应

根据混频数据抽样模型,实证研究了中国股市对居民消费的影响效应,深入讨论了牛市和熊市阶段股市收益和波动对居民消费的影响特征。已有研究都是使用同频数据,多数研究认为股市对居民消费的影响不显著或不稳定。而本文基于混频数据的分析却得出不同的结论:不论是股市收益还是股市波动均对居民消费有着显著的影响效应。通常股市收益对居民消费有正的影响效应且影响持续时间长,而股市波动对居民消费有负的影响效应且持续性很短。股市收益在牛市阶段具有较大的影响;相反,股市波动在熊市阶段具有较大的影响。

基于混频数据模型的西城经济韧性分析

一个地区经济的韧性与其应对突发事件的能力相辅相成,对区域经济韧性的研究,能够很好地预测经济发展趋势。本文拟以北京市西城区为落脚点,着眼于对北京市西城区GDP的一、二季度预测,探索在疫情冲击下西城区的经济韧性程度,并应通过考察“经济韧性”来把握重大突发事件长期潜在影响。

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。

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。

基于混频预测模型改进预测精度——以入境旅游为例

[目的/意义]互联网,尤其是移动互联网已经成为游客获取旅游信息、制定旅游计划、消费旅游产品和反馈旅游体验的主要渠道,网络搜索量在一定程度上反映了这些行为特征。如何充分利用这一丰富的信息提高旅游需求预测精度成为旅游管理的热点问题。[方法/过程]在充分攫取高频搜索引擎数据信息的思想下,以美国来华游客人次为研究对象,开展入境旅游需求的混频预测研究,并与传统同低频预测模型进行比较分析。[结果/结论]实证预测结果表明,基于网络搜索数据的混频预测模型的预测精度相比传统同低频数据模型有了近50%的提升,预测精度和方向上均有显著提高。

季度实际GDP增长率混频预报单调性的统计检验

本文从统计意义上检验了因子混频数据模型对我国季度实际GDP增长率的实时预报误差是否会随着新数据信息的采用而逐渐降低,并呈现出单调递减的统计特征。实证结果表明:无论伪样本内外长度比和数据更新时间间隔如何,基于因子混频数据模型生成的预报单调性检验结果都从总体上证实,实时更新的月度数据信息可逐步改善季度实际GDP增长率的预报精度,且在样本的时变特征和阶段属性发生变化时,预报单调性检验方法仍具有稳健性。预报单调性检验是对现有预测和预报评估方法的有效补充和扩展,可为政府部门、相关机构和投资者实时评估宏观经济状况提供有价值的信息和参考。