本文關(guān)鍵詞：中國(guó)經(jīng)濟(jì)增長(zhǎng)與通貨膨脹預(yù)測(cè)及影響因素研究　出處：《東北財(cái)經(jīng)大學(xué)》2016年博士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 經(jīng)濟(jì)預(yù)測(cè) 經(jīng)濟(jì)增長(zhǎng) 通貨膨脹 貝葉斯VAR 時(shí)變參數(shù)模型

【摘要】：2008年國(guó)際金融危機(jī)以來(lái),出現(xiàn)了產(chǎn)能過(guò)剩、全要素生產(chǎn)率下降、全球貿(mào)易增速明顯下滑的現(xiàn)象。在后金融危機(jī)時(shí)期全球經(jīng)濟(jì)復(fù)蘇乏力的大背景下,2012年以來(lái)我國(guó)經(jīng)濟(jì)步入了新常態(tài)。在新常態(tài)下,我國(guó)經(jīng)濟(jì)結(jié)構(gòu)和發(fā)展動(dòng)力等都發(fā)生了較大的變化。需求側(cè)的外需、內(nèi)需表現(xiàn)疲弱,同時(shí)供給方面如人口、資本產(chǎn)出比率和全要素生產(chǎn)率等指標(biāo)亦不樂(lè)觀(guān)。同時(shí),經(jīng)濟(jì)結(jié)構(gòu)調(diào)整處于關(guān)鍵時(shí)期,如何平穩(wěn)的去產(chǎn)能,如何使經(jīng)濟(jì)從需求拉動(dòng)單一動(dòng)力轉(zhuǎn)變?yōu)楣┬桦p動(dòng)力等,都是當(dāng)前面臨的問(wèn)題。在如此錯(cuò)綜復(fù)雜的經(jīng)濟(jì)背景下,為了使我國(guó)經(jīng)濟(jì)平穩(wěn)健康的發(fā)展,需要對(duì)我國(guó)當(dāng)前和未來(lái)的經(jīng)濟(jì)發(fā)展?fàn)顩r有及時(shí)和準(zhǔn)確的了解,以便政策制定部門(mén)和其他市場(chǎng)主體提前做好充分的準(zhǔn)備,根據(jù)對(duì)未來(lái)經(jīng)濟(jì)形勢(shì)的準(zhǔn)確預(yù)判制定相應(yīng)的政策和市場(chǎng)策略,從而達(dá)到"適應(yīng)新常態(tài)"和"引領(lǐng)新常態(tài)"的目標(biāo)。但是傳統(tǒng)的經(jīng)濟(jì)預(yù)測(cè)方法并不能很好的適應(yīng)新常態(tài)下新出現(xiàn)的新問(wèn)題,因此本文首先借鑒在國(guó)外實(shí)證研究中預(yù)測(cè)效果較好的計(jì)量經(jīng)濟(jì)學(xué)模型,對(duì)新常態(tài)下的經(jīng)濟(jì)預(yù)測(cè)方法進(jìn)行了多方面研究。本文根據(jù)近些年來(lái)宏觀(guān)經(jīng)濟(jì)預(yù)測(cè)方法的發(fā)展,采用以下三類(lèi)計(jì)量模型對(duì)我國(guó)新常態(tài)下的宏觀(guān)經(jīng)濟(jì)進(jìn)行了預(yù)測(cè)分析,并檢驗(yàn)了這些模型在預(yù)測(cè)我國(guó)宏觀(guān)經(jīng)濟(jì)指標(biāo)時(shí)的預(yù)測(cè)精度。第一類(lèi)模型是施加參數(shù)約束的向量自回歸(VAR)模型。自從Sims(1980)提出VAR模型之后,該模型就因?yàn)榭梢杂行У牟蹲阶兞块g的動(dòng)態(tài)關(guān)系而被廣泛應(yīng)用于宏觀(guān)經(jīng)濟(jì)分析和預(yù)測(cè)中。但是VAR模型是一個(gè)包含較多參數(shù)的模型,而且待估參數(shù)的個(gè)數(shù)隨著模型中包含的滯后期的增加和變量個(gè)數(shù)的增加而迅速增加。這就造成了使用該模型時(shí)常常出現(xiàn)過(guò)度參數(shù)化。隨著貝葉斯估計(jì)方法的出現(xiàn),計(jì)量經(jīng)濟(jì)學(xué)家提出了許多參數(shù)收縮的方法對(duì)VAR模型包含的參數(shù)進(jìn)行約束,以避免出現(xiàn)過(guò)度參數(shù)化的問(wèn)題。為解決上述問(wèn)題,國(guó)外的學(xué)者提出了的兩個(gè)重要方法即,貝葉斯隨機(jī)變量選擇和大型貝葉斯VAR模型方法。第一種方法是通過(guò)貝葉斯算法,基于數(shù)據(jù)計(jì)算出模型中應(yīng)包含的變量,而對(duì)不應(yīng)包含變量的參數(shù)施加嚴(yán)格的約束(即限定在0附近較小的區(qū)域內(nèi)),第二種方法是將對(duì)模型施加的約束與模型中包含的變量個(gè)數(shù)相關(guān),即當(dāng)模型包含的變量個(gè)數(shù)增加時(shí),施加更緊的先驗(yàn)條件,這樣就避免了隨著變量個(gè)數(shù)的增加而出現(xiàn)的過(guò)度參數(shù)化現(xiàn)象。本文的建模和預(yù)測(cè)結(jié)果表明,施加了隨機(jī)變量選擇的模型的預(yù)測(cè)效果要優(yōu)于不施加變量選擇的模型,而且當(dāng)模型包含的待估參數(shù)較多時(shí),預(yù)測(cè)改善效果更加明顯;在大型VAR模型中,模型中包含更多的變量可以有效的提高預(yù)測(cè)精度,本文的實(shí)證研究發(fā)現(xiàn),包含30個(gè)變量的VAR模型取得的預(yù)測(cè)效果要優(yōu)于其他VAR模型,僅稍微劣于包含3因子的FAVAR模型。第二類(lèi)模型是混頻數(shù)據(jù)模型。在宏觀(guān)經(jīng)濟(jì)政策制定時(shí)不僅要對(duì)未來(lái)的經(jīng)濟(jì)走勢(shì)有正確的認(rèn)識(shí),而且更需要對(duì)當(dāng)前的經(jīng)濟(jì)形勢(shì)有正確的了解。但是因?yàn)榻y(tǒng)計(jì)數(shù)據(jù)公布的滯后,而使我們?nèi)鄙俦匾臄?shù)據(jù)準(zhǔn)確了解當(dāng)前的經(jīng)濟(jì)形勢(shì)。而混頻數(shù)據(jù)模型可以使用高頻數(shù)據(jù)對(duì)當(dāng)前的經(jīng)濟(jì)形勢(shì)進(jìn)行實(shí)時(shí)預(yù)報(bào)和分析。在混頻數(shù)據(jù)模型中,因?yàn)榛祛l動(dòng)態(tài)因子模型可以使用較多的指標(biāo)、并且可以使用碎尾數(shù)據(jù)而具有很好的時(shí)效性,所以本文選用該模型對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)速度進(jìn)行實(shí)時(shí)預(yù)測(cè)分析。本文研究發(fā)現(xiàn),季度內(nèi)公布的數(shù)據(jù)可以顯著的提高GDP增速預(yù)測(cè)精度,而且不同時(shí)期公布的數(shù)據(jù)對(duì)提高預(yù)測(cè)精度的貢獻(xiàn)不同,季度內(nèi)第一個(gè)月公布的數(shù)據(jù)對(duì)預(yù)測(cè)效果的改善作用最強(qiáng),其次是第二個(gè)月公布的數(shù)據(jù),第三個(gè)月公布的數(shù)據(jù)對(duì)預(yù)測(cè)效果的改善效果不大;不同指標(biāo)組的貢獻(xiàn)也不同,由PMI等調(diào)查數(shù)據(jù)組成的第一組數(shù)據(jù)只能微弱地改善預(yù)測(cè)效果,由物價(jià)和進(jìn)出口數(shù)據(jù)組成的第二組數(shù)據(jù)可以較多地改善預(yù)測(cè)效果,由貨幣供應(yīng)量等金融數(shù)據(jù)組成的指標(biāo)組成的第三組數(shù)據(jù)可以改善預(yù)測(cè)效果,但效果稍劣于第二組數(shù)據(jù),由工業(yè)增加值等指標(biāo)組成的第四組數(shù)據(jù)改善預(yù)測(cè)效果的程度最明顯。第三類(lèi)是具有時(shí)變維度和時(shí)變系數(shù)的因子增廣VAR(FAVAR)模型。鑒于金融市場(chǎng)在經(jīng)濟(jì)中的作用越來(lái)越重要,有必要對(duì)金融市場(chǎng)對(duì)實(shí)體經(jīng)濟(jì)的影響進(jìn)行分析。本文利用FAVAR模型提取金融條件指數(shù),然后使用該指數(shù)對(duì)我國(guó)宏觀(guān)經(jīng)濟(jì)進(jìn)行預(yù)測(cè)分析。具體來(lái)說(shuō),本文使用了時(shí)變維度和時(shí)變系數(shù)的FAVAR模型來(lái)提取金融條件指數(shù)。時(shí)變維度指的是用來(lái)提取金融條件指數(shù)的變量個(gè)數(shù)隨著時(shí)間不同而不同,時(shí)變系數(shù)是指FAVAR模型中的因子載荷矩陣也是時(shí)變的。這樣設(shè)定模型是考慮到我國(guó)金融市場(chǎng)的快速發(fā)展,以及金融危機(jī)的沖擊有可能使金融市場(chǎng)對(duì)實(shí)體經(jīng)濟(jì)產(chǎn)生作用的中介變量發(fā)生變化,而且不同指標(biāo)所起的作用也有可能是變化的。模型通過(guò)時(shí)變維度和時(shí)變系數(shù),可以根據(jù)數(shù)據(jù)決定金融市場(chǎng)的中介變量是否發(fā)生上述變化。本文的實(shí)證研究發(fā)現(xiàn),在金融危機(jī)前后,構(gòu)成金融條件指數(shù)的變量個(gè)數(shù)發(fā)生了明顯的變化,而且每個(gè)變量進(jìn)入模型的概率也發(fā)生了較大的變化。提取出的金融條件指數(shù)對(duì)物價(jià)的預(yù)測(cè)效果要優(yōu)于對(duì)產(chǎn)出的預(yù)測(cè)效果。本文認(rèn)為,因?yàn)槲飪r(jià)在一定程度上是一種貨幣現(xiàn)象,所以金融條件指數(shù)對(duì)物價(jià)的預(yù)測(cè)效果較好。雖然準(zhǔn)確的經(jīng)濟(jì)預(yù)測(cè)能夠?yàn)橹贫ㄕ_的經(jīng)濟(jì)政策提供必要的基礎(chǔ),但如何制定正確的經(jīng)濟(jì)政策和市場(chǎng)策略還需要對(duì)經(jīng)濟(jì)變量間的關(guān)系有正確的認(rèn)識(shí)。后金融危機(jī)時(shí)期,特別是新常態(tài)下,我國(guó)出現(xiàn)潛在增長(zhǎng)率下移、結(jié)構(gòu)調(diào)整、驅(qū)動(dòng)力量轉(zhuǎn)換等新特征,經(jīng)濟(jì)變量間的關(guān)系也會(huì)發(fā)生新的變化。因此,本文,使用時(shí)變系數(shù)的FAVAR模型提取了大量宏觀(guān)指標(biāo)包含的信息,并使用符號(hào)約束識(shí)別方法來(lái)識(shí)別出總需求沖擊、總供給沖擊和貨幣政策沖擊,對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)和通貨膨脹變化的宏觀(guān)沖擊進(jìn)行研究。以期為制定正確的經(jīng)濟(jì)政策提供較為準(zhǔn)確的依據(jù)�？紤]到受金融危機(jī)的沖擊,經(jīng)濟(jì)變量間的關(guān)系有可能出現(xiàn)短時(shí)的波動(dòng);同時(shí)由于新常態(tài)下我國(guó)經(jīng)濟(jì)結(jié)構(gòu)的變化,經(jīng)濟(jì)變量間的關(guān)系有可能出現(xiàn)永久的變化。因此,本文采用隨機(jī)游走形式的時(shí)變系數(shù)模型這樣既可以捕捉到模型參數(shù)暫時(shí)的變化,也可以捕捉到模型參數(shù)的長(zhǎng)期變化。使用VAR模型或FAVAR模型對(duì)宏觀(guān)經(jīng)濟(jì)問(wèn)題進(jìn)行研究時(shí),面臨著宏觀(guān)沖擊識(shí)別的問(wèn)題。而在已有研究中,大部分學(xué)者都是采用短期和長(zhǎng)期的零約束識(shí)別方法(以喬里斯基分解方法最為典型)。但是上述兩種約束識(shí)別方法都可能存在與客觀(guān)現(xiàn)實(shí)不一致的問(wèn)題,導(dǎo)致在實(shí)證研究中有可能出現(xiàn)與經(jīng)濟(jì)理論不符的結(jié)論(如"價(jià)格之謎")。本文第七章在識(shí)別宏觀(guān)沖擊時(shí)采用了在上述兩個(gè)經(jīng)典約束基礎(chǔ)上新出現(xiàn)的符號(hào)約束識(shí)別方法。該方法在識(shí)別沖擊時(shí)沒(méi)有施加需要強(qiáng)先驗(yàn)的零等式約束,而只施加需要弱先驗(yàn)的不等式約束,這樣就可以在識(shí)別約束沖擊時(shí)減少人為設(shè)定因素的影響,使數(shù)據(jù)發(fā)揮更多的作用�；谠摲椒ǖ膶�(shí)證研究發(fā)現(xiàn),進(jìn)入新常態(tài)后,正向的總需求沖擊對(duì)經(jīng)濟(jì)的短期促進(jìn)作用有所降低,但是中期的"擠出效應(yīng)"變大;而正向的總供給沖擊對(duì)經(jīng)濟(jì)的促進(jìn)作用增大。因此本文的實(shí)證研究為我國(guó)正在進(jìn)行的供給側(cè)改革提供了數(shù)量化的依據(jù)。此外,貨幣政策沖擊和需求沖擊對(duì)物價(jià)的影響在進(jìn)入新常態(tài)后降低,但是供給沖擊在滯后5期時(shí),對(duì)物價(jià)的影響增強(qiáng)。鑒于物價(jià)穩(wěn)定是宏觀(guān)調(diào)控三大政策目標(biāo)之一,物價(jià)在宏觀(guān)經(jīng)濟(jì)領(lǐng)域有著重要的位置,因此本文第八章還對(duì)物價(jià)的自身變動(dòng)規(guī)律,即物價(jià)持續(xù)性進(jìn)行了研究,并對(duì)物價(jià)的影響因素進(jìn)行了初步的探討。本文研究發(fā)現(xiàn)無(wú)論是總體CPI還是分類(lèi)價(jià)格指數(shù)的持續(xù)性在研究的樣本期內(nèi)的持續(xù)性都發(fā)生了明顯變化,而且不同類(lèi)型的價(jià)格指數(shù)的持續(xù)性的變動(dòng)方式不同,而且不同價(jià)格指數(shù)的外生沖擊的波動(dòng)情況也不同,在金融危機(jī)期間,分類(lèi)價(jià)格指數(shù)包含的消費(fèi)品的耐用性越強(qiáng)外生沖擊的波動(dòng)性就越強(qiáng)。在第八章中,還對(duì)貨幣供應(yīng)量M2和GDP增速對(duì)CPI的影響情況進(jìn)行了初步探討,研究發(fā)現(xiàn),進(jìn)入新常態(tài)后貨幣供應(yīng)量和GDP對(duì)物價(jià)的影響作用弱于新常態(tài)前,而且貨幣供應(yīng)量的影響的變化更為明顯。
【學(xué)位授予單位】：東北財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：F822.5

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陳守東;劉洋;;通脹率動(dòng)態(tài)與通脹慣性度量[J];南方經(jīng)濟(jì);2015年10期

2 肖強(qiáng);司穎華;;我國(guó)FCI的構(gòu)建及對(duì)宏觀(guān)經(jīng)濟(jì)變量影響的非對(duì)稱(chēng)性[J];金融研究;2015年08期

3 周德才;馮婷;鄧姝妹;;我國(guó)靈活動(dòng)態(tài)金融狀況指數(shù)構(gòu)建與應(yīng)用研究——基于MI-TVP-SV-VAR模型的經(jīng)驗(yàn)分析[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2015年05期

4 欒惠德;侯曉霞;;中國(guó)實(shí)時(shí)金融狀況指數(shù)的構(gòu)建[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2015年04期

5 伍戈;李三;;成本沖擊、通貨膨脹與貨幣政策——基于總供給-總需求框架的實(shí)證分析[J];金融評(píng)論;2015年01期

6 李正輝;鄭玉航;;基于混頻數(shù)據(jù)模型的中國(guó)經(jīng)濟(jì)周期區(qū)制監(jiān)測(cè)研究[J];統(tǒng)計(jì)研究;2015年01期

7 龔玉婷;陳強(qiáng);鄭旭;;基于混頻模型的CPI短期預(yù)測(cè)研究[J];統(tǒng)計(jì)研究;2014年12期

8 王少林;林建浩;李仲達(dá);;中國(guó)貨幣政策透明化的宏觀(guān)經(jīng)濟(jì)效應(yīng)——基于PTVP-SV-FAVAR模型的實(shí)證研究[J];財(cái)貿(mào)經(jīng)濟(jì);2014年12期

9 許滌龍;歐陽(yáng)勝銀;;金融狀況指數(shù)的理論設(shè)計(jì)及應(yīng)用研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2014年12期

10 洪銀興;;論中高速增長(zhǎng)新常態(tài)及其支撐常態(tài)[J];經(jīng)濟(jì)學(xué)動(dòng)態(tài);2014年11期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 隋建利;動(dòng)態(tài)隨機(jī)一般均衡模型的研究與應(yīng)用[D];吉林大學(xué);2010年

，

本文編號(hào)：1310081