科研之友
微信
新浪微博
Facebook
分享链接
摘要
国内生产总值(GDP)实际增速是衡量国家经济运行状况的重要指标,但该指标以季度频率发布,相比于经济分析需求来说显得较为滞后.本文运用混频动态因子模型(MF-DFM)方法,基于大规模的月度经济数据对季度GDP实际增速进行短期实时预测,以提高经济分析的及时性.为有效提升大规模数据的利用效率,避免因子模型中指标选择的主观性,本文提出大规模数据下MF-DFM的指标选择方法,即将二元动态单因子模型的均方预测误差作为指标选取依据,能有效兼顾季月混频数据、缺失值以及“碎尾”数据等特征.实证结果表明,相比于传统的时间序列预测模型和常用的混频模型,基于二元模型指标筛选的MF-DFM在疫情前的经济平稳时期和疫情后的经济恢复时期对中国季度GDP增速均有较高的预测精度.同时,该方法对中国月度GDP实际增速的预测值与宏观经济一致指数有较高的同步性,可用于提升经济运行状况监测的时效性.本文为大规模数据条件下的经济实时监测预测预警提供了基于指标选择的新思路.
-
单位中国科学院数学与系统科学研究院; 上海科技大学; 中国科学院大学
