后危机时代应用高维数据预测宏观经济走势的研究 - 基于非线性动态因子模型的方法

2007 年开始的全球金融危机使得宏观经济走势的判定和预测成为后危机时代的一个重要课题。由于经济周期是经济实体的整体现象，而不是某一个特定部门的特征。因此，在学术文献和实际应用中都体现出使用宏观经济多部门的高维数据来进行宏观经济预测的必要性和优越性。.本项目把宏观经济综合走势视为个数有限的状态变量，利用生产、收入、投资、消费、财政、金融、价格、对外贸易等宏观经济诸方面超过百个变量的高维数据，基于动态因子模型进行降维提取预测因子，代入离散因变量模型的框架，建立在估计方法上相对简单，在预测效果上理想的宏观经济走势预测模型。研究重点在于计量模型的创新，拓展了动态因子模型在非线性预测模型中的应用。同时也有应用中国和美国的实际观测数据进行预测的实证分析。研究结果能为我国政府把控宏观经济走势，防范未来的经济风险提供参考。

2007 年开始的全球金融危机使得宏观经济走势的判定和预测成为后危机时代的一个重要课题。经济周期是涉及宏观经济多个部门的整体现象，而不是某一个特定部门的特征， 因此，本项目利用生产、收入、投资、消费、财政、金融、价格、对外贸易等宏观经济诸方面的高维数据，使用动态因子模型，分层逆回归等降维手段提取相对简单的预测因子，对宏观经济综合走势进行预测。. 从科学方法的角度讲，本项目建立了将动态因子引入非线性预测模型的框架，并对其它降维方法进行了尝试和比较；从应用意义讲，本项目使用中国和美国的宏观数据进行了实证分析，研究结果能为我国政府把控宏观经济走势，防范未来的经济风险提供参考。. 本项目的主要研究内容包括：1) 总结中美宏观经济波动的典型事实，为经济周期的两阶段分法和三阶段分法提供依据。2) 使用NBER的经济周期两阶段分法，建立二元因变量模型，以从高维数据中构造出的动态因子作为预测变量，对宏观经济进入扩张还是衰退进行预测。3）使用基于聚类的分层逆回归方法，对大维宏观数据进行降维并运用于预测宏观经济变量。4）使用经济周期的三阶段分法，建立顺序响应变量模型，对宏观经济走势进行预测。5）基于大维宏观数据提取的动态因子，建立了增广的动态因子预测模型，对我国宏观经济的拐点进行预测。. 本项目的主要发现有：1）美国的宏观经济周期采用NBER经济周期定期委员会提出的“扩张”，“衰退”两分法较为恰当，而中国的宏观经济周期采用“低速增长”，“匀速增长”，“高速增长”三阶段分法更为恰当。2）对于美国的宏观经济数据，我们提出的Probit-DFM模型成功捕捉到1980年以来的主要经济衰退，并使用了截至2007年11月的数据，早于NBER一年预测到2008年的经济危机。3）对于预测工业生产指数，失业率，库存等宏观经济变量而言，基于聚类的分层逆回归方法可达到比动态因子模型等降维手段更好的预测效果。 4）增广动态因子模型能较好地预测中国经济周期的拐点，但基于三阶段分法的Ordered-Probit-DFM模型的预测效果尚有待改进。. 本项目已累计发表论文6篇（标注基金资助4篇），其中在SSCI检索国际期刊2篇，SCIE检索国际期刊1篇，CSSCI检索中文期刊3篇。项目进行期间项目主持人获得第十七届“安子介国际贸易研究奖”1项，入选教育部新世纪优秀人才支持计划。