基于混频动态因子模型的数字经济状态指数构建与预测研究——以杭州市为例

我国数字经济规模不断扩大,在经济发展、税收、就业等方面发挥着越来越重要的作用。为及时了解数字经济发展现状、对数字经济发展趋势做出预判,有必要构建刻画数字经济发展状态的数字经济状态指数。本文提出运用混频动态因子模型,从不同频度的数据中提取因子构建月度数字经济状态指数的方法,并运用杭州市季度数字经济产业增加值和月度数字经济产业营业收入数据进行实证分析,构建了杭州市月度数字经济状态指数。实证结果表明,所构建的月度数字经济状态指数能很好地刻画数字经济发展状态,且可以为预测季度数字经济状态指数提供有用信息,从而为政府决策提供理论支持。

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.

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。

“十四五”期间我国碳排放总量及其结构预测——基于混频数据ADL-MIDAS模型

针对我国"十四五"规划拟定"设立碳排放总量控制体系,逐步向碳排放的绝对量减排过渡"的目标,运用季度GDP、工业增加值等指标,构建基于宏观经济指标的混频数据模型ADL-MIDAS,对不确定性冲击下我国"十四五"期间二氧化碳排放总量及结构进行预测分析。结论表明,2021年全国碳排放量增速达到3.71%,较过去略有加快,而中期则呈现出低于2%的增长水平,并有负增长态势。预计到2025年,全国二氧化碳总排量接近115亿吨。较"十三五"时期相比,碳排放结构基本稳定,其中第二产业比重为82%~85%,较过去有1%的反弹,第三产业比重微幅降至14%以下,但交通物流产业碳排量增速显著。实证结果还表明,未来一段时间内经济增长的相对提速反而有利于降低碳排放。总体而言,中国碳排放量未来短期内略有反弹,但中长期增速仍将持续放缓。

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。

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LASSO-LSTM-CNN混合模型的中国能源指数预测研究

伴随着经济的高速发展,中国已成为全球一次性能源消费量最大的国家。能源兼具商品属性和金融属性,为积极应对能源危机和金融风险,中国积极转变经济增长方式,倡导绿色发展新理念。能源行业股票价格是能源市场利益相关者博弈最直接、最有效的反应,能源价格波动具有溢出效应、非对称效应和聚集效应。以我国能源指数为研究对象,通过引入深度学习技术,将高频数据和低频数据有机结合成预测大数据集,创新地构建LASSO-LSTM-CNN深度学习混合模型,预测精准度得到显著提升。研究结果显示,中长期预测可将LASSO-LSTM或LASSO-LSTM-CNN修改为多步输出的静态预测,其效果显著优于动态预测,精准度和泛化能力均有提升;但对于长期预测,由于高频数据的解释能力逐渐变弱,因此要综合考虑是否使用高频数据。我国应从生态视角认识能源在产业链中的基础与核心作用,积极发展绿色清洁能源。同时,充分利用LASSO和LSTM-CNN模型的优势,有效提升能源指数预测的准确性,为金融决策提供重要参考;在中期预测中充分考虑高频数据对预测能力的正向影响,而在中长期预测中谨慎应用高频数据。

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。

投资者信心和中国宏观经济波动——基于MIDAS混频模型

将投资者信心指数引入MIDAS混频模型之中,可以考察新冠疫情背景下投资者信心对于中国宏观经济波动的影响。基于投资者信心指数和“三驾马车”对我国季度GDP增长率进行预测,通过实证发现:引入投资者信心指数的MIDAS混频模型在预测精准度方面和基准模型进行比较,预测精准度高于未加入投资者信心的模型,均方根残差比值更小;在多元MIDAS混频模型之中,加入投资者信心指数的回归模型对我国GDP的实时预报和短期预测结果更加稳定,可为决策者提供更加精确的参考区间;宏观经济的波动对投资者信心指数变化反应,和投资、消费和进出口相比是最灵敏的。这为定量追踪宏观经济波动提供了一个新的视角。

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。

央行微观调查数据适合作为不良贷款率的预测指标吗——基于MIDAS模型的研究

相比于传统宏观经济指标,央行的微观调查数据是否更加适合作为我国商业银行不良贷款率的预测指标?本文首先提出了利用微观调查数据进行预测的相关理论,接着基于适合解决混频数据预测问题的MIDAS模型进行了实证研究。研究发现:央行微观指标在平均样本外预测误差等多个方面均优于传统的宏观指标,同时人民币名义有效汇率指数、基金及理财投资意愿比例、房价过高难以接受比例等指标尤其适合作为预测指标。本文的结论是:央行的微观调查数据更加适合作为不良贷款率的预测指标。

MIDAS模型与EQW模型预测精度的比较——以资产价格的经济增长效应为例

深入剖析混频数据模型(MIDAS)的内部结构,推导出MIDAS模型与传统同频率EQW模型的区别与联系,并且证明EQW模型参数估计的偏误,在此基础上,进一步结合多种不同形式的权重函数,推导出MIDAS类模型非线性最小二乘估计方法的具体机理及理论演绎过程,并且以资产价格对中国经济增长效应的样本内预测为例,对MIDAS模型的精度进行了实证检验。实证结果表明:多元EQW模型的拟合效果及样本内预测精度均低于最优滞后阶数下Exp Almon-AR-M-MIDAS模型,Exp Almon-AR-M-MIDAS模型能够提取更多高频解释变量的有效信息。

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。

基于非对称GARCH-MIDAS模型的原油价格波动预测

针对原油价格波动的预测问题,将GARCH-MIDAS模型扩展为两类:A-GARCH-MIDAS模型研究正负面的油价波动因素对原油市场的不同影响;GARCH-MIDAS-X模型将短期成分扩展到额外的波动决定因素,将扩展模型应用于原油WTI数据。样本内估计结果表明,非对称效应对原油价格波动性有显著影响;样本外预测结果表明,非对称效应显著提高了波动率模型的预测性能。

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。

基于半参数混频误差修正模型的中国CPI预测研究

鉴于宏观经济变量具有明显的非线性特征,本文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,构建了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;最后使用该模型研究了中国股票市场周数据、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。