中國宏觀經(jīng)濟(jì)4個估算模型構(gòu)建與驗(yàn)證
《中國宏觀經(jīng)濟(jì)4個估算模型構(gòu)建與驗(yàn)證》由會員分享,可在線閱讀,更多相關(guān)《中國宏觀經(jīng)濟(jì)4個估算模型構(gòu)建與驗(yàn)證(10頁珍藏版)》請在裝配圖網(wǎng)上搜索。
1、中國宏觀經(jīng)濟(jì)4個估算模型構(gòu)建與驗(yàn)證 引言 國內(nèi)生產(chǎn)總值(GDP)是指在一個特定時期內(nèi),一個國家或地區(qū)的經(jīng)濟(jì)中所生產(chǎn)出的全部最終產(chǎn)品和勞務(wù)的價值,它反映一國或者一個地區(qū)所有常住單位在核算期內(nèi)生產(chǎn)活動的最終成果及衡量國民經(jīng)濟(jì)發(fā)展規(guī)模、速度、結(jié)構(gòu)和效益的代表性指標(biāo),也是制定經(jīng)濟(jì)發(fā)展戰(zhàn)略目標(biāo)的主要依據(jù),通過它可以判斷經(jīng)濟(jì)是在萎縮還是在膨脹,是需要刺激還是需要控制,GDP預(yù)測準(zhǔn)確與否極大地影響政府決策結(jié)果的科學(xué)性和有效性,因此,如何運(yùn)用科學(xué)有效的方法來對其進(jìn)行預(yù)測具有重要的現(xiàn)實(shí)意義。居民消費(fèi)價格指數(shù)(CPI)是反映一定時期內(nèi)居民消費(fèi)價格變動趨勢和變
2、動程度的相對數(shù),是用來反映居民價格變動幅度的國民經(jīng)濟(jì)核算統(tǒng)計指標(biāo),也是反映通貨膨脹的重要指標(biāo)。CPI漲幅的適度調(diào)整是社會經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和資源有效配置的必然結(jié)果。而CPI的大幅波動和過度上漲,將反映出經(jīng)濟(jì)供需之間的矛盾,需及時調(diào)整使其穩(wěn)定在一定的變化幅度范圍內(nèi)。從經(jīng)濟(jì)學(xué)角度講,失業(yè)率是與經(jīng)濟(jì)增長率、物價指數(shù)同等重要的宏觀經(jīng)濟(jì)指標(biāo)之一,它包含著豐富的信息,正確分析該指標(biāo)是一國或地區(qū)制定和實(shí)施各種宏觀經(jīng)濟(jì)政策的基礎(chǔ)。世界各國政府和學(xué)者都非常關(guān)心這三個主要宏觀經(jīng)濟(jì)變量的預(yù)測,預(yù)測方法也在不斷改進(jìn)。 向量自回歸模型(Vector Autoregressive Model)在198
3、0年由Sims提出,VAR模型采用多方程聯(lián)立的形式,它不以經(jīng)濟(jì)理論為基礎(chǔ),在模型的每一個方程中,內(nèi)生變量對模型的全部內(nèi)生變量的滯后值進(jìn)行回歸,從而估計全部內(nèi)生變量的動態(tài)關(guān)系。VAR模型被廣泛應(yīng)用于宏觀經(jīng)濟(jì)分析,但由于19世紀(jì)60、70年代經(jīng)濟(jì)特征明顯不同于80、90年代,VAR模型中的系數(shù)為常數(shù)不隨時間變化的假設(shè)越來越不成立,必須允許VAR系數(shù)和參數(shù)的時變性,即所謂TVP-VAR(Time-Varying Parameter VAR)。由于 VAR 模型中宏觀經(jīng)濟(jì)變量太多,估計模型最主要的問題是縮減模型維度,因子模型是公認(rèn)縮減維度的好方法,將因子模型與 VAR 結(jié)合在一起就是 FAVAR 模型
4、,這就擴(kuò)展為TVP-FAVAR.而允許模型系數(shù)具有時變性特征使待估參數(shù)增加,解決的思想是是抓住關(guān)鍵變量但又不會過度參數(shù)化,學(xué)者們發(fā)現(xiàn)采用貝葉斯方法是解決時變VAR模型大量待估參數(shù)的好方法。 本文詳細(xì)推導(dǎo)了貝葉斯推斷下以上4個模型的狀態(tài)空間形式,并應(yīng)用以上模型對中國GDP、居民消費(fèi)價格指數(shù)和失業(yè)率進(jìn)行預(yù)測,結(jié)果顯示四種模型逐步改善預(yù)測能力,其中從BVAR到FAVAR再到TVP-VAR誤差較小非常明顯,最后到TVP-FAVAR誤差縮減程度不顯著。 1 模型構(gòu)建及解決估計策略 1.1 貝葉斯VAR模型 根據(jù)Sims(1980),標(biāo)準(zhǔn)VAR(p
5、)模型可以寫為: 其中yt包含 M 個變量,Aj為 M×M 的系數(shù)矩陣,εt-iidN(0,Σ) ,p為滯后期。 VAR可以寫成多種矩陣形式,有學(xué)者表達(dá)為多變量常態(tài)正態(tài)分布,而有學(xué)者表達(dá)為基質(zhì)變量正態(tài)分布(Cano-va2007, Kadiyala和Karlsson1997)定義 模型所有系數(shù),則(1)的VAR可寫為: 似然函數(shù)可以由抽樣密度 p(y|a,Σ) 推導(dǎo),加入將其看作參數(shù)的某一函數(shù),則可以分解為兩部分:給定Σ時α的分布及&Si
6、gma;-1作為Wishart分布,這時 1.1.1 先驗(yàn)分布的選擇首先VAR不是簡約式模型,有很多待估參數(shù),如5個內(nèi)生變量的VAR(4)包含105個系數(shù),若沒有先驗(yàn)信息很難得到精確估計,以及進(jìn)行模型脈沖響應(yīng)和預(yù)測。其次選擇先驗(yàn)分布依賴于分析目的,如有學(xué)者目的是得到后驗(yàn)分布密度,有學(xué)者目的是利用MCMC 進(jìn)行貝葉斯推斷,對于VAR模型若分析目的是前者,則多采用共軛先驗(yàn)分布,若分析目的是后者則不需采用共軛先驗(yàn)分布。 1.1.2 Minnesota先驗(yàn)早期貝葉斯VAR模型的研究均由明尼阿波利斯聯(lián)邦儲備銀行或明尼蘇達(dá)州立大學(xué)的學(xué)者進(jìn)行(Doan、Litter-
7、man和Sims 1984 ,Litterman 1986),因此被稱為著名的明尼蘇達(dá)先驗(yàn)分布。此先驗(yàn)將Σ用Σ代替,而早期甚至假設(shè)Σ為對角矩陣,這樣VAR等式可以一次就被估計,此先驗(yàn)分布的缺點(diǎn)是需要估計一個未知矩陣(Σ)。 由于不需要考慮Σ,只需考慮α的先驗(yàn)分布,明尼蘇達(dá)先驗(yàn)假設(shè): 對于αMn,若使用增長率數(shù)據(jù)如GDP增長率,則明尼蘇達(dá)先驗(yàn)設(shè)所有αMn=0,若使用水平數(shù)據(jù)則假設(shè)αMn服從隨機(jī)游走。 對于協(xié)方差矩陣VMn,設(shè)定
8、 由于明尼蘇達(dá)先驗(yàn)分布設(shè)定簡單,在實(shí)際應(yīng)用中非常廣泛。Banbura、Giannone和Reichlin (2010)采用明尼蘇達(dá)先驗(yàn)對100個變量的VAR模型進(jìn)行估計預(yù)測,發(fā)現(xiàn)其預(yù)測能力優(yōu)于因子模型。 1.1.3 自然共軛先驗(yàn)分布自然共軛先驗(yàn)分布設(shè)定 其中α,V,v,S 為研究者自己選擇的超參數(shù)。 自然共軛先驗(yàn)分布的優(yōu)點(diǎn)是其先驗(yàn)分布、后驗(yàn)分布和似然函數(shù)分布形式一致,因此不需要利用后驗(yàn)?zāi)M算子即可得到貝葉斯估計和推斷的分析解,而它的缺點(diǎn)是VAR中的所有等式必須具有相同的解釋變量,而每一個等式系數(shù)的先驗(yàn)協(xié)方差矩陣
9、是依賴于其他等式的。 1.1.4 獨(dú)立Normal-Wishart先驗(yàn)獨(dú)立Normal-Wishart先驗(yàn)分布設(shè)定: 其中α甚至可以設(shè)定服從明尼蘇達(dá)先驗(yàn)分布,由此可見獨(dú)立Normal-Wishart先驗(yàn)是包含明尼蘇達(dá)先驗(yàn)分布和自然共軛先驗(yàn)分布的一般框架。 本文所做推斷采用MCMC的貝葉斯推斷,因此后續(xù)實(shí)證分析均采用明尼蘇達(dá)先驗(yàn)分布。 1.2 FAVAR模型 假設(shè)Yt是 M×1維向量,Yt為可觀測向量,假設(shè)那些沒有被觀測到的信息由 K×1 維向量中的因子來代表即Ft,則Yt、Ft的
10、動態(tài)關(guān)系為: 其中 φ(L) 是一個多項式,對于FAVAR模型估計方法有兩步主成分分析方法、Gibbs抽樣方法和反復(fù)迭代法等方法,本文采用MCMC下的Gibbs抽樣方法。 1.3 TVP-VAR模型 將(1)式的VAR模型擴(kuò)展開為: 其中yt是 k×1階向量,擾動項 ut-N(0,Σ,Σ) ,設(shè)定 此時模型系數(shù)和協(xié)方差矩陣具有時變性。 1.4 TVP-FAVAR 根據(jù)Korobilis (2009a),TVP-FAVAR模型建模為:
11、 其中yt為可觀測變量,ft為因子,系數(shù)矩陣為時變矩陣,此時將FAVAR與TVP-VAR結(jié)合在一起。 1. 5 模型估計策略 以上模型均使用 MCMC 算法下的 Gibbs 抽樣,參照 數(shù)據(jù)y,對后驗(yàn)分布(β,α,γ,w|y)進(jìn)行抽樣,具體步驟為:①初始化β,α,γ,w ,②對β|α,γ,Σβ,y抽樣,③對Σβ|β抽樣,④對α|β,γ,
12、Σα,y抽樣,⑤對Σα|α抽樣,⑥對γ|β,α,Σγ,y抽樣,⑦對Σγ|γ抽樣,⑧返回2重復(fù)。2 實(shí)證分析2.1 數(shù)據(jù)來源本文采用來自中國經(jīng)濟(jì)數(shù)據(jù)庫我國2002年一季度至2012年三季度數(shù)據(jù)。數(shù)據(jù)包括失業(yè)率、居民消費(fèi)價格指數(shù)CPI和GDP.在FAVAR和TVP-FAVAR模型中的因子變量采用短期利率(根據(jù)我國具體情況采用銀行間7天同業(yè)拆借利率)、私人固定投資、工業(yè)生產(chǎn)指數(shù)、政府支出、平均工資、消費(fèi)品零售額、國債收益率(采用我國即期1年銀行間國
13、債收益率)、M2和股票指數(shù)(我國上海證券交易所綜合指數(shù))。 2.2 實(shí)證分析 2.2.1 首先估計BVAR模型,分別計算我國居民消費(fèi)價格指數(shù)CPI、GDP和失業(yè)率的后驗(yàn)分布的均值,如圖1所示: 后驗(yàn)分布估計結(jié)果顯示,三變量后驗(yàn)分布均為正態(tài)分布,CPI后驗(yàn)均值為2.478,標(biāo)準(zhǔn)差為0.871,失業(yè)率后驗(yàn)均值4.1174,標(biāo)準(zhǔn)差0.055,GDP增長率后驗(yàn)均值0.0576,標(biāo)準(zhǔn)差0.1996,這與我國現(xiàn)實(shí)經(jīng)濟(jì)情況相符,我國真實(shí)歷年失業(yè)率均值為4.06,居民消費(fèi)價格指數(shù)均值為2.49,GDP增長率均值為0.035,并且我國GDP增長率和居民消
14、費(fèi)價格指數(shù)波動比失業(yè)率波動較大,采用Minnesota先驗(yàn)得到模型后驗(yàn)分布合理。 對模型進(jìn)行脈沖響應(yīng)分析,如圖2所示: 脈沖響應(yīng)結(jié)果顯示通貨膨脹沖擊、失業(yè)率沖擊與GDP增長率沖擊與三變量變動趨勢一致。 將三變量預(yù)測值與真實(shí)值比較,如圖3所示: 模型預(yù)測效果顯示,三變量預(yù)測值與真實(shí)值基本變動趨勢一致,相比較而言,失業(yè)率預(yù)測值最接近真實(shí)值,原因在于我國歷年失業(yè)率較穩(wěn)定,因此預(yù)測效果最好。 2.2.2 估計FAVAR模型,仍然采用Minnesota先驗(yàn),得到三變量后驗(yàn)分布與BVAR相同。對模型進(jìn)行脈沖響應(yīng)
15、分析,如圖4所示: 由于對VAR模型進(jìn)行改進(jìn)得到FAVAR,得到的脈沖響應(yīng)較前者平滑很多,失業(yè)率脈沖響應(yīng)沖擊顯示為先上升后趨于平穩(wěn),CPI和GDP增長率脈沖響應(yīng)沖擊顯示先下降后趨于平穩(wěn)。 將三變量預(yù)測值與真實(shí)值比較如圖5所示: 模型預(yù)測效果顯示,三變量預(yù)測值與真實(shí)值基本變動趨勢一致,相比較而言,仍然是失業(yè)率預(yù)測值最接近真實(shí)值,并且失業(yè)率預(yù)測效果有明顯改善。 2.2.3 估計TVP-VAR模型,與BVAR模型后驗(yàn)分布相同,進(jìn)行脈沖響應(yīng)如圖6所示。TVP-VAR模型脈沖相應(yīng)結(jié)果與FAVAR模型相似,但可以看出CPI和G
16、DP增長率的脈沖響應(yīng)較前者下降期縮短,平滑度增加。將三變量預(yù)測值與真實(shí)值比較如圖7所示。 模型預(yù)測效果顯示,三變量預(yù)測值與真實(shí)值基本變動趨勢一致,TVP-VAR模型的CPI和GDP增長率預(yù)測效果有明顯改善,原因在于TVP-VAR模型假設(shè)時變系數(shù)更貼近現(xiàn)實(shí)經(jīng)濟(jì)波動,我國CPI和GDP增長率變動隨時間變化存在明顯時變形。 2.2.4 估計TVP-FAVAR模型,與BVAR模型后驗(yàn)分布相同,進(jìn)行脈沖響應(yīng)如圖8所示: TVP-VAR模型脈沖相應(yīng)結(jié)果與TVP-VAR相似度高于FAVAR模型,TVP-VAR模型的失業(yè)率脈沖響應(yīng)較前兩者下降期縮
17、短,平滑度增加。將三變量預(yù)測值與真實(shí)值比較如圖9所示: 模型預(yù)測效果顯示,三變量預(yù)測值與真實(shí)值基本變動趨勢一致,TVP-FAVAR模型的CPI和GDP增長率預(yù)測效果較前三個模型有顯著改善,原因在于TVP-FAVAR模型既假設(shè)時變系數(shù)又考慮了其他經(jīng)濟(jì)變量的內(nèi)涵信息,充分挖掘了所有經(jīng)濟(jì)變量的內(nèi)在聯(lián)動性,更貼近現(xiàn)實(shí)經(jīng)濟(jì)波動。 2.2.5 為了更加全面地描述不同模型對三變量的預(yù)測效果, 本文采用均方根誤差(RMSE)計算四種模型下3個變量的預(yù)測標(biāo)準(zhǔn)誤差(見表1)。 模型預(yù)測誤差結(jié)果顯示,四種模型逐步改善預(yù)測能力,其中從BVAR到FAVAR
18、再到TVP-VAR誤差較小非常明顯,最后到TVP-FAVAR誤差縮減程度不顯著。 3 結(jié)論 在對我國GDP增長率、居民消費(fèi)價格指數(shù)和失業(yè)率進(jìn)行預(yù)測時,本文基于VAR模型引進(jìn)了因子分析思想和時變參數(shù)特征,逐步改進(jìn)形成 FAVAR、TVP-VAR 和TVP-FAVAR模型,并將貝葉斯推斷應(yīng)用于模型,解決了參數(shù)過多降低模型維度問題,模型預(yù)測能力逐步提高,這有助于今后更多經(jīng)濟(jì)變量的預(yù)測,并為貝葉斯方法在VAR模型中的應(yīng)用提供了分析框架。 參考文獻(xiàn): [1]Banbura, M., Giannone, D.,Reichlin, L. L
19、arge Bayesian VARs[J].Journal of Applied Econometrics, 2010,(25). [2]Belviso, F. , Milani, F.Structural Factor Augmented VARs (SFA-VARs) and the Effects of Monetary Policy[J]. Topics in Macroeconom-ics, 2006,(6)。 [3]Bernanke, B., Boivin, J. , Eliasz, P. Measuring Monetary Policy: AFactor Aug
20、mented Vector Autoregressive (FAVAR) Approach[J].Quarterly Journal of Economics, 2005,(120)。 [4]Canova, F. Modeling and Forecasting Exchange Rates Using a Bayes-ian time Varying Coefficient Model[J]. Journal of Economic Dynamicsand Control, 1993,(17)。 [5]Canova, F. , Ciccarelli, M. Estimatin
21、g Multi-country VAR Models[J].International Economic Review, 2009,(50)。 [6]Carlin, B. , Chib, S.Bayesian Model Choice via Markov Chain MonteCarlo Methods[J]. Journal of the Royal Statistical Society, Series B,1995,(57)。 [7]Chib, S., Nardari, F. Shephard, N. Markov Chain Monte Carlo Meth-ods
22、for Stochastic Volatility Models[J].Journal of Econometrics, 2002,(108)。 [8]Del Negro, M. ,Otrok, C.Dynamic Factor Models with Time VaryingParameters: Measuring Changes in International Business Cycles[R].Federal Reserve Bank of New York Staff Report no326, 2008. [9]Korobilis, D. VAR Forecasting Using Bayesian Variable Selection,Manuscript[Z].2009.
- 溫馨提示:
1: 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
2: 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
3.本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
5. 裝配圖網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2023年六年級數(shù)學(xué)下冊6整理和復(fù)習(xí)2圖形與幾何第7課時圖形的位置練習(xí)課件新人教版
- 2023年六年級數(shù)學(xué)下冊6整理和復(fù)習(xí)2圖形與幾何第1課時圖形的認(rèn)識與測量1平面圖形的認(rèn)識練習(xí)課件新人教版
- 2023年六年級數(shù)學(xué)下冊6整理和復(fù)習(xí)1數(shù)與代數(shù)第10課時比和比例2作業(yè)課件新人教版
- 2023年六年級數(shù)學(xué)下冊4比例1比例的意義和基本性質(zhì)第3課時解比例練習(xí)課件新人教版
- 2023年六年級數(shù)學(xué)下冊3圓柱與圓錐1圓柱第7課時圓柱的體積3作業(yè)課件新人教版
- 2023年六年級數(shù)學(xué)下冊3圓柱與圓錐1圓柱第1節(jié)圓柱的認(rèn)識作業(yè)課件新人教版
- 2023年六年級數(shù)學(xué)下冊2百分?jǐn)?shù)(二)第1節(jié)折扣和成數(shù)作業(yè)課件新人教版
- 2023年六年級數(shù)學(xué)下冊1負(fù)數(shù)第1課時負(fù)數(shù)的初步認(rèn)識作業(yè)課件新人教版
- 2023年六年級數(shù)學(xué)上冊期末復(fù)習(xí)考前模擬期末模擬訓(xùn)練二作業(yè)課件蘇教版
- 2023年六年級數(shù)學(xué)上冊期末豐收園作業(yè)課件蘇教版
- 2023年六年級數(shù)學(xué)上冊易錯清單十二課件新人教版
- 標(biāo)準(zhǔn)工時講義
- 2021年一年級語文上冊第六單元知識要點(diǎn)習(xí)題課件新人教版
- 2022春一年級語文下冊課文5識字測評習(xí)題課件新人教版
- 2023年六年級數(shù)學(xué)下冊6整理和復(fù)習(xí)4數(shù)學(xué)思考第1課時數(shù)學(xué)思考1練習(xí)課件新人教版