arma和var模型对gdp的预测效果探究

《arma和var模型对gdp的预测效果探究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、ARMA和VAR模型对GDP的预测效果探究GDP预测ARMAVAR预测效果GDP作为衡量国家经济状况的重要指标，不但可反映一个国家的生产情况，还可以反映一国的国力与财富。准确预测GDP对于政策的制定具有重要的指导意义。长期以来，各国学者、政府以及金融机构，都致力于研究和改进GDP的预测方法。　　对于GDP的模型预测，通常分为以下几种：　　（一）传统的结构宏观模型　　这类模型建立在经典宏观经济学理论之上，其理论框架明确，因而有助于解释预测结果的经济学含义。欧洲各国央行一度曾基于IS/LM/AS模型对GDP进行估计。该模型由希克斯和汉森于1936年提出，是在产品市场和货

2、币市场同时均衡的条件下，反映国民收入和利率关系的模型。该模型通过估计行为方程获得估计参数，经常使用变量的滞后值。这些预期都属于适应性预期，是人们基于过去的数据估计对未来趋势的预期模型。　　（二）动态随机一般均衡模型　　动态随机一般均衡模型（DynamicStochasticGeneralEquilibrium，简称DSGE），是对传统的真实周期理论的拓展，主要用于政策模拟。传统的真实经济周期理论认为，市场机制本身是完善的，在长期或短期中都可以自发地使经济实现充分均衡；经济周期本身就是经济趋势或者潜在的国内生产总值的变动，并不存在与长期趋势不同的短期经济背离。由于在传

3、统的真实周期理论里没有货币和政府，而货币和政府可能在经济活动中起着重要作用。通过在真实经济周期模型中引入政府冲击、偏好冲击、货币冲击、不完全竞争等因素，形成扩展后的真实周期模型，亦即所谓的DSGE模型。从DSGE模型中可以清晰地观察经济主体的最优决策方式，以及决策与行为之间的相互关系，具有坚实的微观理论基础。因为DSGE模型不仅描述行为方程的长期均衡关系，也描述短期调整过程，所以能清楚地识别各结构性冲击造成的影响。　　近年来，欧洲中央银行在DSGE模型的基础上进一步研究，开发出NA模型（Nep)。根据中经X数据库中的原始数据，调整得到各变量。由于出口额和进口额是以美

4、元计价的月度数据，首先将3个月的数据加总获得季度数据，再根据季度末的美元兑人民币汇率将数据统一为人民币计价。同时，各个变量数据都是按照名义价格计算，统一按照2000年不变价格的物价指数折算以去除价格因素的影响。将处理后的五个变量数据做季节性调整并取对数消除异方差。　　通常宏观数据都不具备稳定性，因此在建立模型前，首先检验各个序列的ADF单位根。单位根检验结果显示，5个变量的对数值都是不平稳序列，经过一次差分后，都在1%的显著水平拒绝存在单位根的原假设，即5个变量的对数序列均为一阶单整序列I(1)。　　由于5组对数序列同为一阶单整序列，对以上5各变量取对数差分后，都变

5、为平稳序列。在此基础上建立没有约束的VAR模型，模型的形式为：　　其中p为模型的滞后阶数　　运用EVieA模型和VAR模型的预测效果，将其与相对权威的主观预测结果朗润预测进行比较。由于朗润预测是事前估计，为了保证不同估计方法在进行预测时具有尽可能一致的信息量，本文对ARMA和VAR的估计都采用了样本外估计，预测的是2011年第一季度到第四季度的GDP数值。另外，由于朗润估计的是GDP的同比增长率，因此需要基于2010年的数据将其进行转化，统一将预测值转换为估计出的当季GDP对数值，使得主观预测数据和模型预测的数据具有可比性。　　为了比较ARMA模型、VAR模型以及朗

6、润模型的预测效果，还需要设定统一的损失函数。这里采用RMSD(RootMeanSquaredDeviation),其定义如下：　　　　预测结果比较　　比较各个模型的预测结果可以看出，对于2011年第1季度到第4季度的预测，ARMA模型的估计最为精确，其次是VAR(1)模型，它们的估计精度都超过了朗润预测的数据。相比较而言，VAR(4)的估计精度较低。　　这再次印证了ARMA模型的短期预测能力很强，ARMA虽然是一个形式上简单的时间序列模型，但是不能忽视它在经济预测中可以起到的作用。同时，也可以考虑将其作为新研发的模型的比较基准。同时，我们注意到VAR模型的预测精度同

7、它的滞后期的设定具有很大联系，不同的滞后期模型会造成不同程度的误差。尽管本文得出了在短期预测上时间序列模型预测的效果整体而言要好于主观预测，但值得注意的是，在ARMA、VAR模型中包含的信息量和朗润预测中的主体所拥有的信息量仍然不是完全等同的。尽管从数据的角度，可以通过数学和统计学的方法进行统一的转换，使预测结果具有可比性；但主观预测是完全建立在事前所有可得信息基础上的预测，而本文中两个模型的预测所使用的数据多少已经过了事后的一些修订和更改。所以ARMA和VAR作为不包含经济意义的数量模型，虽然可以在数量上给出一个相对准确的GDP季度数据，但不能代替专家学者的主