于 扬,王维国
(1.东北财经大学 经济学院,辽宁 大连116025; 2.内蒙古财经大学 统计与数学学院,内蒙古 呼和浩特010070)
混频数据回归模型的分析技术及其应用
于扬1,2,王维国1
(1.东北财经大学 经济学院,辽宁 大连116025; 2.内蒙古财经大学 统计与数学学院,内蒙古 呼和浩特010070)
摘要:依据混频数据计量经济模型的设置原理,结合传统回归模型推导出了混频数据回归模型的基本形式及拓展形式。概括、梳理出权重多项式函数的几种形式和性质,并结合传统自回归分布滞后模型的估计方法,给出了非限制性混频数据回归模型的最小二乘识别方法及待估参数的检验方法,在此基础上构建了混频数据自回归分布滞后模型MIDAS-ARDL,并利用其对中国月度通货膨胀率进行短期预测。研究表明:MIDAS-ARDL模型在中国通货膨胀的短期预报方面具有较高的精确性和时效性,预测效果优于传统计量经济模型AR(1,13)。
关键词:MIDAS类模型;MIDAS识别方法;通货膨胀
一、引言
金融危机对实体经济的影响被一些采用传统时间序列模型的预测者严重低估,其后果会导致预测偏差的增大,甚至会出现错误结果。传统时间序列回归模型的缺陷及基础数据频率的不一致性往往使研究人员陷入进退两难的境地,而政策制定者急需一种模型在少损失信息情况下能够将高频金融数据与低频宏观经济数据连接起来。为了解决此问题,Ghysels等人提出了混频数据回归模型(MIDAS)。该模型可以直接将不同频率变量纳入同一模型中,并根据实际高频变量的样本数据,将变量的滞后阶数和权重函数放在一起考虑,从而得到模型的最优参数估计值,克服了传统同频率回归模型的参数缺乏灵活性和时变性的缺点[1]。……