论文部分内容阅读
经济周期是宏观经济学研究的两大核心问题之一。在三期叠加的新常态下,中国经济周期波动呈现出微波化特征,增加了经济景气监测与预测的难度。如何科学、合理的选择并合成一组对宏观经济景气有预测能力的先行指标,如何准确预测经济周期波动,对于经济周期波动的监测是至关重要的,对于企业决策者和政府政策制定者来说具有前瞻性的指导意义。传统的非参数NBER方法是通过对各指标的变化率进行简单加总的方式构建先行合成指数的,此方法简单易行,不需要对不确定性进行估计,不存在过度拟合的问题。然而,NBER方法构建的宏观经济先行指数并非建立在严格的统计模型基础之上,并且在权重的确定方面比较单一和主观,所以构建的宏观经济先行指数未必是最优的。Logit模型建立在严格的统计模型基础之上,是利用先行指标预测经济景气的一种方法,具有严格的统计基础和经济意义。但Logit模型却是建立在严格的参数假设条件下的,一旦真实数据的生成过程违背了这些严格的假设条件,则模型的有效性无法保证。基于Vine Copula模型构建的宏观经济预警指数放松了模型参数的假设条件,此指数实际上是所有先行经济指标在被预测事件发生和不发生条件下的联合密度函数的一个泛函表达式。允许先行经济指标是有偏、厚尾、非正态分布的,允许先行经济指标之间存在动态相依结构,解决了以上两类模型的不足。且其预测能力可以由最大化的接受者操作特性曲线(Receiver Operating Characteristic Curve,简称“ROC曲线”)衡量。ROC曲线是根据一系列不同的阈值,以报错率(FPR)为横坐标,击中率(TPR)为纵坐标,在单位正方形上形成的曲线。与度量模型预测精度的平均绝对误差(MAE)、平均相对误差(MPE)和均方根误差(RMSE)等的传统方法相比,ROC曲线是基于两类预测错误的权衡,且不受二值因变量边缘分布的影响。基于此,本文基于Vine Copula模型构建中国宏观经济预警指数,并利用ROC曲线衡量这三种方法构建的宏观经济预警指数的预测能力。本文研究的主要工作和创新点包括以下几个方面:1、关于先行指标的筛选和先行期的确定。本文丰富和补充了指标筛选和先行期确定的方法。在指标筛选和先行期的确定过程中,综合利用了时差相关分析、K-L信息量和ROC曲线,实证结果表明,ROC曲线具有筛选先行指标和确定先行指标先行期的功能。与时差相关分析和K-L信息量相比,ROC曲线是从先行经济指标的预测能力角度筛选先行指标的和确定先行指标先行期的,具有经济意义。2、关于Vine Copula模型在经济景气监测与预测的实证研究方面。本文丰富了监测与预测经济景气的方法。以基于NBER方法合成的一致合成指数为基准指数,分别采用NBER方法、Logit模型和Vine Copula模型将7个先行经济指标进行加总,获得预测经济景气处于收缩期概率的中国宏观经济预警指数,实证结果表明,基于Vine Copula模型构建的宏观经济预警指数对宏观经济景气的预测能力优于NBER方法和Logit模型。3、关于先行指标先行期对于监测与预测经济景气能力的影响。本文在基于Vine Copula模型构建宏观经济预警指数的过程中,本文不仅考虑了先行指标的相同先行期,而且考虑了先行指标的不同先行期,分别基于相同先行期的先行指标和基于不同先行期的先行指标构建宏观经济预警指数。实证结果表明,这两个指数,在预测的先行期方面,前者的预测期比后者长;在预测的精度方面,后者的预测精度略微高于前者。