基于分层动态因子模型的工业生产指数预测

发布时间：2024-10-04 20:29

　　 考虑到不同类经济指标之间具有非线性的结构信息,对128个美国宏观经济指标建立分层动态因子模型。按实际经济意义将指标分为收入产出、劳动力、消费和投资、价格、货币信用,以及利率汇率6部分,分别使用bottom-up和top-down两种方法提取公共因子和块级因子,并对其经济意义进行解释。最后对INDPRO,CPIAUCSL,PAYEMS和FEDFUND四个指标建立关于公共因子和块级因子的两种预测模型,和时间序列模型的预测结果进行对比,结果表明:分层动态因子模型可以有效提取不同类型指标的结构信息,使得因子的可解释性大大提高,基于因子的预测模型预测效果也有显著提升。

【文章页数】：7 页

【文章目录】：
1 模型介绍
    1.1 动态因子模型
    1.2 分层动态因子模型
2 数据介绍和预处理
3 实证研究
    3.1 自底向上和自顶向下提取因子[10]
    3.2 基于分层动态因子模型的预测
        3.2.1 时间序列模型预测
        3.2.2 预测方法一
        3.2.3 预测方法二
    3.3 特征分析[12]
    3.4 模型结果
4 结论



本文编号：4007113