基于混頻誤差修正模型的通貨膨脹預測研究.pdf

1、本文以我國的月度宏觀經濟數(shù)據(jù)和日度股市數(shù)據(jù)為研究對象，利用混頻誤差修正模型(ECM-MIDAS)，對我國通貨膨脹的預測做了相關研究。
　　一直以來，通貨膨脹都是最重要的宏觀經濟指標之一，備受政府、銀行和私人部門的關注。從上世紀開始，國外眾多央行在做決策的時候不再過分依賴經濟的通脹歷史信息，而是越來越依賴于未來的通貨膨脹情況，以便針對可能的通貨膨脹及時地調整決策，盡可能的減少對經濟的沖擊，降低對私人部門的危害。惡性的通貨膨脹對經濟和

2、社會有著巨大的危害，首先，通貨膨脹給居民的收入和消費帶來負面影響。物價上漲以后，貨幣購買力不斷下降，導致消費的福利減少，同時實際工資水平急劇下降，生活水平降低。其次，通貨膨脹對生產者和投資者造成危害。通貨膨脹與市場需求都會帶來價格上升，若企業(yè)沒有分辨價格上漲原因，會誤導生產者繼續(xù)生產，又因價格上漲伴隨著利率下降，會造成過度投資和生產能力過剩的現(xiàn)象。再次，通貨膨脹的財富再分配效應使得低收入者的福利受損，高受益者卻可以獲益，加大了貧富差距，

3、給社會帶來了諸多不穩(wěn)定因素，影響社會的安定。最后，通貨膨脹對我國的綜合競爭力帶來危害。由于價格持續(xù)普遍的上漲，企業(yè)對新產品的研發(fā)、技術應用、勞動生產率的提高失去了積極性，而中國是出口大國，屬于勞動密集型經濟，在國際上產品的優(yōu)勢是價格低廉，而通貨膨脹會使得我國出口產品價格上升，在與其他新興的勞動密集型國家的國際市場份額爭奪中失去優(yōu)勢。從而，對通貨膨脹的未來趨勢的預測顯得尤為重要。
　　傳統(tǒng)的通貨膨脹預測主要是基于菲利普斯曲線和ARI

4、MA模型，模型要求數(shù)據(jù)為同頻數(shù)據(jù)，因此高頻和超高頻數(shù)據(jù)必需處理為同頻數(shù)據(jù)，高頻化低頻的方法會忽略高頻數(shù)據(jù)波動暗含的信息，降低了模型的預測精度，還影響了模型預測的及時性，低頻化高頻又太過主觀，缺乏依據(jù)。而混頻數(shù)據(jù)模型對宏觀經濟的研究有很多優(yōu)勢，由于包含不同頻率的數(shù)據(jù)，低頻數(shù)據(jù)能夠保證預測的準確性，高頻數(shù)據(jù)的波動性又使得預測模型可以進行及時的更新，改進了宏觀經濟分析的準確性和預測的精準性，大大提高短期實時預測的時效性。同時，時間序列的平穩(wěn)性

5、，對同頻數(shù)據(jù)和混頻數(shù)據(jù)都是一大挑戰(zhàn)，直接回歸可能會造成偽回歸，從而導致錯誤的結論。本文實現(xiàn)了混頻數(shù)據(jù)模型與非平穩(wěn)時間序列的結合，把同頻中的誤差修正模型思想運用到混頻數(shù)據(jù)的模型中，構建了ECM-MIDAS，解決了混頻數(shù)據(jù)模型中序列的不平穩(wěn)帶來的不足，進一步發(fā)展了混頻時間序列模型。最后，本文詳細介紹了混頻誤差修正模型中的協(xié)整方程的不同形式，在同低頻和混頻的兩種思路下分別闡述了協(xié)整方程，以及對應的誤差修正模型的推導，豐富了混頻數(shù)據(jù)模型的協(xié)整形

6、式。
　　本文試圖將協(xié)整思想加入到混頻數(shù)據(jù)模型的研究中，利用2006年到2015年10年間不同頻率的非平穩(wěn)但存在協(xié)整的時間序列，構建ECM-MIDAS模型，并對協(xié)整方程的不同形式展開了討論，從x先于y、x同期于y、x后于y中找到合適的協(xié)整形式，試圖提高模型的預測精度，然后通過和無約束的ECM-MIDAS、兩種同頻率數(shù)據(jù)模型的比較，發(fā)現(xiàn)ECM-MIDAS在模型估計和預測中是有優(yōu)勢的，然后利用ECM-MIDAS模型討論各變量對我國通貨

7、膨脹的影響。
　　本文秉著科學、嚴謹?shù)那笾獞B(tài)度，利用了多種方法對我國的通貨膨脹進行了研究，包括文獻研究法、實證研究法、定性分析與定量分析法、交叉研究法。首先，牛頓說過，站在巨人的肩膀上，看得比較遠。通過對國內外大量文獻的閱讀和研究，對所研究的問題、方法有了全面的認識，在此基礎上，在變量選取和方法上做了創(chuàng)新。其次，理論知識要學以致用，才能轉化為生產力，貢獻社會，本文對我國的通貨膨脹預測做了實證研究。再次，在定性分析的引導下，進一步進

8、行了定量分析，保證了宏觀方向正確的情況下，進一步做到精準。最后，本文利用時間序列理論實現(xiàn)了對宏觀經濟的預測，同頻時間序列的協(xié)整理論運用到混頻時間序列中，實現(xiàn)了學科之間、理論之間的交叉應用。
　　本文也做了一些新的嘗試。首先，討論了混頻數(shù)據(jù)的協(xié)整形式的選擇?？紤]到指標存在先行、同步、滯后的經濟特性，基于以往文獻本文把協(xié)整形式分為x先于y、x同期于y、x后于y三種形式，并把每月的HS300數(shù)據(jù)分為4個周，每個周末的HS300數(shù)據(jù)都可以

9、替代月度的HS300指數(shù)，而不僅僅是以往常用的月末值。本文列舉了24個協(xié)整方程構建誤差修正項，引入到短期的動態(tài)方程中進行預測，以找出最合適的協(xié)整形式，這樣不僅能找到合適的長期協(xié)整關系，加深對經濟變量之間長期均衡情況的了解，還可以提高模型的預測精度。另外，在指標選取上，選取了消費者價格指數(shù)CPI、貨幣供應量M2、采購經理人指數(shù)PMI和滬深300指數(shù)4個變量進行研究。其中PMI是宏觀經濟的重要先行指標，也是一套綜合性的經濟監(jiān)測指標體系，但由

10、于自開始編制以來才10年左右，國內還幾乎沒有被用于CPI預測的研究，本文參考國外文獻，選取PMI為解釋變量之一。另外，采用了金融變量數(shù)據(jù)HS300來預測宏觀經濟，這是大數(shù)據(jù)時代的一個趨勢，在預測的準確性和及時性方面都具有重要的意義。
　　本文選取2006年1月到2015年12月為樣本區(qū)間，選擇月度的消費者價格指數(shù)CPI、采購經理人指數(shù)PMI、貨幣供應量M2和日度滬深300指數(shù)進行了實證研究。為了使得研究更加科學，我們將2006年1

11、月到2014年12的數(shù)據(jù)用于樣本內估計，將2015年1月到2015年12的數(shù)據(jù)用于樣本外預測。在研究過程中，我們主要有以下結論:
　　第一，協(xié)整形式的選擇對模型的短期預測有影響，選擇正確的協(xié)整形式使得預測誤差降低。以往文獻中，混頻數(shù)據(jù)模型的協(xié)整形式一般采用同期的形式，本文考慮到指標存在先行、同步、滯后的經濟特性，把協(xié)整形式分為x先于y、x同期于y、x后于y三種形式來考慮，針對三種協(xié)整形式構建了24個協(xié)整方程，實證結果表明，在預測方

12、面，x先于y的協(xié)整形式要優(yōu)于x同期于y、x后于y的形式，并且當PMI和M2相對CPI滯后兩期，HS300相對于CPI滯后一期時的預測效果最佳。
　　第二，在本文的實證研究中，混頻數(shù)據(jù)模型的估計和預測要優(yōu)于同頻數(shù)據(jù)模型。實證結果表明，各模型的樣本內估計的均方根誤差中，混頻模型的0.4895和0.4932要明顯小于同頻數(shù)據(jù)的0.5437、0.5260，樣本外預測效果中，通過畫圖發(fā)現(xiàn)ECM-MIDAS的預測最佳，充分表明ECM-MIDA

13、S模型在預測方面的穩(wěn)定性要優(yōu)于同頻方程。
　　第三，在混頻非平穩(wěn)的數(shù)據(jù)模型中，當協(xié)整關系存在時，誤差修正機制同樣存在，誤差修正項的引入會使得模型預測精度提高。實證結果表明，無論混頻數(shù)據(jù)還是同頻數(shù)據(jù)，4個模型通過加入誤差修正項，均方根誤差分別從0.4895、0.4932、0.5437、0.5260上升到0.6168、0.6125、0.6080、0.6038。
　　第四，通過ECM-MIDAS模型中解釋變量的滯后項的選擇，討論中

14、國通貨膨脹的預測機制。首先，CPI的差分的滯后項不顯著，說明我國的通貨膨脹波動無記憶性。其次，M2和PMI的一階差分原序列系數(shù)都不顯著，至少要滯后一期才開始顯著，進一步說明這兩個經濟指標是CPI的先行指標，且貨幣增速的變動對CPI的影響比較長久，4個月前的變動仍然顯著。最后，PMI和HS300的波動與CPI的波動呈正相關。
　　總之，混頻誤差修正模型對中國通貨膨脹預測有多種優(yōu)勢。混頻數(shù)據(jù)中包含了低頻數(shù)據(jù)和高頻數(shù)據(jù)，低頻數(shù)據(jù)使得預測

15、的趨勢正確，高頻數(shù)據(jù)的引入包含了眾多波動的信息，使得預測相對于同頻數(shù)據(jù)模型更加精確，并且由于高頻數(shù)據(jù)的更新快的特點，預測也更加的及時。又把同頻中非平穩(wěn)時間序列的協(xié)整思想加入到混頻數(shù)據(jù)模型中，解決了混頻數(shù)據(jù)模型中的非平穩(wěn)問題，防止了偽回歸的產生對決策者的誤導。其中協(xié)整方程代表了變量之間的長期均衡關系，可以幫助我們理解變量之間長期的作用關系，但在短期內，因為受到外界的干擾會與長期的均衡關系發(fā)生偏離，構建的短期的動態(tài)方程可以對短期預測實現(xiàn)修正