视点 | 2018年第三季度宏观经济运行预测

与更好观测和收集的集中交易数据（例如股票、债券、外汇价格等）相比，宏观变量只能以较低的时间频率进行收集汇总（例如国民经济各部门的核算指标）。其原因至少在于以下两个方面：一方面数据本身的收集链条长、成本高，即使想要生成高频数据，时效性也难以保证；另一方面生产企业存货去化速率具有随机性，即使能够进行较短时间内的收集处理，汇总数字也并不能保证精确性，导致最终数据质量反而不如时间窗口较长的低频数据。对于不同频率的数据，传统计量方法是通过加总法或均值法将较高频率数据（例如日度或月度）转化为低频数据（例如季度或年度），或是通过插值法进行反方向处理（低频变高频），然后建立模型加以分析预测。近年来的研究指出，传统模型的数据频率转化方式存在预测效率方面的问题，包含低频宏观指标的同频模型往往以损失高频信息为代价，因而也会失去模型预测的时效性及精确性。为了解决上述问题，本预测引入新模型平衡数据频率与预测精确度，并借鉴国际上通用的预测值加权平均方法，进一步平滑预测值并最终得到主要经济指标的预测值。

我们提供的预测变量包括国内生产总值(GDP)，居民消费价格指数(CPI)。预测过程采用了14个宏观变量所构成的增广向量自回归模型，通过革新算法，最大限度确保不同频率数据的信息完备性。预测基准模型包括的变量包括：1个季度频次变量：国内生产总值(GDP)。余下13个变量为月度频次数据：居民消费价格指数(CPI)、商品零售价格指数(RPI)、货币和准货币期末同比增速(M2)、社会消费品零售总额同比增速(TRSCG)、金融机构人民币各项贷款余额期末同比增速(TLOAN)、进口额同比增速(IMPORT)、出口额同比增速(EXPORT)、工业增加值同比增速(INDVALADD)、发电量同比增速(ELEC)、宏观先行合成指数（LEADINGINDEX）银行间隔夜同业拆借利率(IBWAR)、房地产开发企业商品房新开工面积同比增速(HSTARTS)、国房景气指数(RECI)。表1概括了上述变量和其他替代变量。

宏观经济变量一览表

注释：上表中，商品房新开工面积数据来自CEIC数据库，其他所有数据来自中经网统计数据库。

我们提供的最终预测值来自于三种选定的预测方法。这三种方法对于CPI和GDP的预测结合各自的RMSE检验我们可以看出：在2013-2017年间，VAR对于CPI的预测精度最好；BVAR对于GDP的预测精度较好；MF-BVAR方法的预测表现最为稳定。三种模型中，VAR和BVAR模型的预测精度变动较大，因此计算加权预测值解决预测表现变动的问题。

因此，在2013-2017年这一时间段，预测回归系数如表2。根据回归系数，最终预测结果分别为：2018年第三季度CPI为2.02%，第三季度GDP为6.7%。同时基于MF-VAR的预测优势，我们提供CPI的月度预测值，其7-9月预测值分别为1.80%，1.76%，2.15%

 预测回归系数

编辑  白若云 何子晴

来源  IMI研究报告1815期

审校  田雯

监制  朱霜霜

点击查看近期热文

欢迎加入群聊