论文部分内容阅读
金融数据种类多、数量大、频率高,具有蕴含预期信息、可得性强、免修订的优点。通常,金融数据频率高于经济数据,需降频使用,损失了其原始信息,降低了预测精度。本文运用混频数据ADL-MIDAS模型,使用日度CHIBOR和月度M2对季度GDP进行组合估计,并对比ADL-MIDAS模型与时间序列回归模型的优劣。结果显示:高频数据预测效果优于低频数据;月/日数据对季度数据组合估计的预测效果最优;加入不同长度的领先日度数据,预测效率进一步提高。