目前国内对宏观经济时间序列的预测多采用当期特定数据,即研究者在做研究时所能得到的最终修订后的数据。但是这种数据并不是真实宏观经济最初状态的表征,而是经历了初次发布后的常规修订和全面修订,包含了一些新信息的干扰在里面。实时数据能很好的排除未来时间信息对某一个过去特定时点数据的干扰,具有即时性的特点,但国内还没有系统化的实时数据集,本文基于中国季度GDP的发布和修订机制,收集和总结出中国季度GDP的四列代表性的实时数据：最初核算数、最初核实数、最终核实数和最终数据。同时选取了6个月度一致指标,利用MIDAS和MF-VAR两类混频模型对季度GDP进行单变量、多变量模型预测和组合预测,以AR自回归模型作为基准模型,用相对MSE来检验模型预测的有效性。主要得出以下结论：(1)四列实时数据中最初核算数的预测精度最高,最终数据的最低,这与修正检验中得出大部分修正是包含了新信息干扰的结果是一致的,而最初核实数和最终核实数的整体模型预测精度差距不是很大,处于中间数值；(2) AR-MIDAS模型适合做短期预测,而MF-VAR模型适合做长期预测,特别是hm=8,9时；但单个模型没有绝对的优劣,取决于数据生成的过程以及预测变量和预测步长的选择；(3)组合预测的精度至少高于80%以上的单变量模型,特别是权重均值方法,因为充分考虑了每个模型的预测表现,给予表现好的模型高的权重,但也有单个模型的表现优于组合预测的情况。