反向有约束混频数据模型的市场化利率预测

发布时间：2020-12-23 16:36

　　为准确预测市场化利率,在混频数据抽样（MIDAS）模型和反向无约束混频数据抽样（RU-MIDAS）模型的基础上,提出了反向有约束混频数据抽样模型（RR-MIDAS）,使之能够适应各变量之间频率倍差较大时,低频变量对高频变量的分析与预测.选取SHIBOR作为市场化利率的代表,分析其影响因素并开展预测研究.实证结果表明:RR-MIDAS模型能够细致揭示各变量间的实时动态变化关系,表现出很好的拟合效果与预测能力;宏观经济变量和资本市场信息能够在1周甚至1天内对货币供求关系产生影响,进而迅速反映在SHIBOR走势变化上.此外,稳健性检验结果验证了RR-MIDAS模型的实用性以及实证结论的可靠性. 

【文章来源】：管理科学学报. 2019年10期 北大核心CSSCI

【文章页数】：17 页

【部分图文】：

混频时间序列

各模型间的拟合效果和预测效果的对比结果分别展示于图2和图3中．从拟合效果来看，相比于只考虑SHIBOR自身滞后影响的RW模型和AR模型，增加不同频率宏观经济变量的ARDL模型、RU-MIDAS模型和RR-MIDAS模型具有更好的解释能力．同时，直接使用原始混频数据的RR-MI-DAS模型和RU-MIDAS模型的拟合精度明显高于对数据进行同频化处理的ARDL模型，表现为前两者在不同的时期h均具有更小的MAE和RMSE比值．其中，RU-MIDAS模型的拟合精度优于RR-MI-DAS．从预测效果来看，虽然RU-MIDAS模型的预测精度在不同时期h上普遍优于ARDL模型、AR模型和RW模型，但是RR-MIDAS模型的预测效果明显优于RU-MIDAS模型，其MAE和RMSE比值明显低于RU-MIDAS以及其他比较模型．简言之，与RU-MIDAS模型相比，虽然RR-MIDAS模型的样本内拟合精度略低，但是RR-MIDAS模型有着更好的泛化能力，表现为其样本外预测结果最优，而这正是决策者所关心与重视的．图3 各模型的样本外预测效果比较(以RW模型为对比基础)

各模型的样本外预测效果比较(以RW模型为对比基础)

【参考文献】：
期刊论文
[1]基准收益率曲线与宏观经济:基于混频DSGE模型的研究[J]. 尚玉皇,郑挺国.  经济研究. 2018(06)
[2]经济政策不确定性与我国股市波动率预测研究[J]. 雷立坤,余江,魏宇,赖晓东.  管理科学学报. 2018(06)
[3]经济政策不确定性与股票风险特征[J]. 陈国进,张润泽,赵向琴.  管理科学学报. 2018(04)
[4]混频投资者情绪与股票价格行为[J]. 姚尧之,王坚强,刘志峰.  管理科学学报. 2018(02)
[5]基于MIDAS模型中国碳排放量的实时预报与短期预测[J]. 秦华英,韩梦.  环境科学学报. 2018(05)
[6]混频数据、投资冲击与中国宏观经济波动[J]. 仝冰.  经济研究. 2017(06)
[7]利率调整对我国股市不同状态波动性的影响[J]. 杨继平,冯毅俊.  管理科学学报. 2017(02)
[8]中国金融市场系统复杂性的演化机理与管理研究[J]. 张群,张卫国,马勇.  管理科学学报. 2017(01)
[9]基于混频数据模型的中国经济周期区制监测研究[J]. 李正辉,郑玉航.  统计研究. 2015(01)
[10]宏观经济因素影响利率期限结构的稳定性判别[J]. 丁志国,徐德财,李雯宁.  数量经济技术经济研究. 2014(09)



本文编号：2934009