论文部分内容阅读
对于宏观季节序列而言,季节性波动是其中所蕴含的最显著的特征,因此在宏观经济分析中,首先需要应对的便是如何处理数据中所蕴含的季节性。虽然利用季节调整软件剔除季节性波动可以使得经济分析更加简便,但传统季节调整方法会造成序列中所包含信息的失真,并可能会导致季节调整数据信息的扭曲;此外,就我国本土而言,国外的季节调整软件可能无法完全剔除我国春节等传统中式节假日所带来的异常波动。为避免基于季节调整数据建模所带来的影响,提高数据信息的利用率,本文考虑在结构时间序列模型的框架下直接利用宏观季节序列来进行建模。本文重点构建了针对季节增长率数据的单变量季节增长率模型、非线性马尔科夫区制转移季节增长率模型、多变量的季节动态因子模型、以及针对季节水平数据的含有季节成分的牵拉模型,并对这些模型在拟合和预测、环比数据提取、宏观经济景气一致指数构建以及经济周期测度方面的应用作出了探讨。首先,本文提出了一种直接拟合原始数据增长率的季节增长率(SGR)模型,该模型不仅可以直接提取环比增长率,还可以对原始数据的增长率进行预测。蒙特卡洛模拟结果表明,本文给出的针对SGR模型的MLE估计方法和初值设定方法有着良好的大样本表现。通过对中国GDP和CPI数据进行实证,我们发现利用SGR模型直接提取环比增长率的稳定性要高于其他季节调整软件。不仅如此,SGR模型拟合和预测的表现相比BSM模型和SARIMA模型均有显著提高。此外,SGR模型还具有容易拓展为非线性、多元情形的优势。最后,利用非线性的马尔科夫区制转移季节增长率(MS-SGR)模型进行实证发现,相比传统区制转移模型,基于MS-SGR模型能够更准确测度我国经济周期的阶段性变化。其次,本文给出了能够直接利用原始数据增长率来提取一致指数的季节动态因子(SDF)模型,该模型的优势在于能够充分利用原始数据中的有效信息,并且避免了季节频率上信息的重复误删。文中给出了该模型设定的一般形式及其估计方法,并基于该模型利用中国宏观经济变量来提取我国的景气一致指数。实证表明,与传统动态因子模型相比,利用季节动态因子模型提取出的一致指数可以更好地识别我国经济的转折点。此外,基于该模型我们进一步证实了传统季节调整方法所得出的环比增长率数据存在较多的异常值,从而给景气一致指数的提取带来负面影响。最后,本文提出了一种可以直接利用季节水平数据的经济周期计量模型,即含有季节成分的牵拉(Plucking)模型。通过对我国官方公布未经季节调整季度GDP数据进行实证,我们不仅刻画了我国1978-2015年间的经济周期形态,还正确识别了 1992年以后我国经济周期的阶段性变化特征,这是利用季节调整后的GDP数据无法识别的,表明运用未经季节调整数据能更充分地利用数据信息。此外,我们还将含有季节成分的牵拉模型与MS-SGR模型进行比较分析表明,二者在经济周期衰退区间的判定上均能够给出较为一致的结论。