国内生产总值（GDP）是衡量一国经济发展水平的重要指标。现阶段,我国经济发展面临着“三重压力”,加之近年来各种黑天鹅事件频发,重大冲击事件极大的加剧了我国经济发展的不确定性。在重大冲击下我国经济增长的不对称性和异质性特征加剧,经济增长受尾部风险的影响增大。传统的GDP预测模型只能实现点预测,仅可以捕捉到重大冲击对GDP“期望”的影响,无法在重大冲击下准确预测GDP。此外,传统的GDP预测模型在高维数据下面临着“维数灾难”的问题,此时分位数因子模型表现出优越性。从理论层面来看,分位数因子模型不受异质性误差自由度的影响,并且可以捕捉到与分位数相关的因子,揭示经济增长的下行风险,可以更加准确的预测GDP。另外,分位数因子模型可以很好的利用高维数据,解决“维数灾难”的问题,从而可以获取更多的有效信息进行预测。从现实层面来看,本文分别从对个人、投资者、企业、政府、货币政策制定者这五个不同的主体来论述准确预测GDP的重要性。本文的主要思想是论证在重大冲击下,基于高维数据信息的分位数因子模型对GDP预测的作用,全文主要围绕着分位数因子模型和GDP预测展开。在因子模型方面,本文通过与近似因子模型对比,论证了在高维数据下,分位数因子模型正确选择因子的优势。在GDP预测方面,本文通过梳理总结现阶段GDP预测模型的特点,从理论角度去论证分位数因子模型用于GDP预测的优势。在实证方面,本文通过与AR模型和近似因子模型对比,进一步研究分位数因子模型的GDP预测效果,特别是当宏观经济遭受重大冲击时的GDP预测效果。本文主要分为五个章节,各章节内容如下:第一章是绪论。绪论由研究背景和研究意义、关键概念界定、研究思路和方法、创新点和不足四个方面的内容构成;第二章为文献综述。本文从GDP预测理论及应用、近似因子模型理论及应用和分位数因子模型理论及应用这三个方面描述了国内外的研究进展。本文通过对GDP预测和近似因子模型相关文献的梳理,进一步论证了在重大冲击下将基于高维数据信息的分位数因子模型运用于GDP预测的重要性。第三章为分位数因子模型构建。该章在介绍经典因子模型和近似因子模型的基础上提出了分位数因子模型,论述了在重大冲击下分位数因子模型相较于经典因子模型和近似因子模型的优势,最后本文具体介绍了分位数因子模型的具体建模方法。第四章为基于分位数因子模型的实证分析。该章主要分为因子模型和GDP增长率预测两个方面,实证研究结果进一步论证了在重大冲击下基于高维数据信息的分位数因子模型可以很好的改善GDP的预测效果。第五章为总结和建议。本文主要存在以下三个方面的创新:第一,传统GDP预测模型大多是在均值的概念下展开的,无法捕捉到经济的下行风险。分位数因子模型将GDP预测从传统均值的思想拓展到分位数,有利于我们对重大冲击下的GDP进行预测。本文通过对比新冠疫情、2015年股灾和2008年金融危机前后各模型的预测效果,进一步说明当我国宏观经济遭受重大冲击时,分位数因子模型的GDP预测效果优于传统GDP预测模型。第二,在高维数据下,GDP预测的准确性受到影响,分位数因子模型较传统的GDP预测模型可以更好的解决“维数灾难”的问题,从高维数据中获取更多的有效信息来预测GDP。本文采用的宏观数据集的样本量大,提供的信息量多,有利于改善GDP的预测效果,此外,本文将中国宏观数据集中的各指标进行了分类,具有创新性。第三,本文基于我国宏观数据集分别建立了近似因子模型和分位数因子模型,研究发现我国宏观数据集存在非标准的因子结构,在提取我国宏观数据集中的公共因子时,分位数因子模型更加灵活,不仅可以捕捉到与均值相关的因子,还能捕捉到不同分位数上的因子,并且正确选择出公共因子的概率更高。此外,本文通过对比在重大冲击下近似因子模型和分位数因子模型的GDP预测效果可知,在重大冲击下分位数因子模型的GDP预测效果优于近似因子模型。