中国CPI的实时预报与短期预测——基于混频数据模型

摘要

CPI预测是我国经济转型期面临的一项重要课题。科学合理的预测CPI增长率，可以为我们判断未来经济形势提供参考，为政府宏观经济调控提供依据。具体到对通货膨胀驱动因素的分析与研究，则更加具有现实与经济意义。随着我国贸易依存度的加深，我国物价水平与国际大宗商品价格的联动性也愈加紧密。分析国际大宗商品因素在通胀预测中的作用，既可以使通胀预测更为科学，也有利于从大宗商品的角度控制通胀。
　　基于同频数据的传统 CPI预测模型只能进行样本外预测而无法进行月度内的实时预报，进而会影响预测的及时性。因此，本文采用混频数据模型（MIDAS）对 CPI进行实时预报与短期预测。本文将在高频金融数据的基础上选取股指、利率、汇率和多种大宗商品价格作为备选预测变量。由于数据变量较多，首先利用SSVS方法对27个高频金融变量进行筛选，选出深证综指、汇率、玉米、原油、柴油以及铁矿石、黄金价格7个对 CPI影响较大的变量作为混频数据模型的预测变量。其次，分别建立单变量MIDAS模型和多变量MIDAS对CPI进行预测并与OLS和AR基准模型的预测精度作对比，得出以下结论：
　　第一，相比于 OLS和AR基准模型，混频数据模型具有比较优势（MIDAS(m,K,h)除外）。与单变量MIDAS相比，多变量MIDAS模型的绝对精度和相对精度都较高。
　　第二，各变量对通胀率的解释能力和作用方式是有差别的。在样本内预测方面，铁矿石价格、股指和原油价格对通胀率具有较强的解释能力，是影响通胀率波动的重要因素，而汇率对通胀的预测能力较弱。
　　第三，多变量混频数据模型的实时预报和短期预测结果均显示我国通胀率在未来3个月内有所缓解，物价水平有所回落，有转向通缩的风险。在较短的基准预测期内，我国通胀率在1.2％—1.6%之间。
　　第四，大宗商品价格变量对改善我国 CPI预测精度具有显著作用，与不包含大宗商品价格变量的混频数据模型相比，全变量混频数据模型样本内预测的绝对精度提高35%左右。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本文结构安排

1.4 本文可能的创新点

第2章 混频数据模型及其应用介绍

2.1 基础MIDAS回归模型

2.2 MIDAS回归模型的扩展

2.3 MF-VAR模型

第3章 基于随机搜索变量选择方法的CPI预测变量选择

3.1 基于分层模型的变量选择方法

3.2 利用f (?/Y )识别最佳模型

3.3 吉布斯搜索最优模型

3.4 预测变量的筛选—基于SSVS方法

第4章 基于混频数据模型的CPI预测及预测能力评价

4.1 数据处理与基准预测模型

4.2 单变量MIDAS模型的实时预报和短期预测

4.3 多元MIDAS模型的实时预报与短期预测

4.4 大宗商品价格在CPI预测中的作用

第5章 研究结论与展望

5.1 研究结论

5.2 研究展望

参考文献

致谢

作者简历及在学期间所取得的主要科研成果