科研之友
微信
新浪微博
Facebook
分享链接
摘要
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。
- 单位
