一、混频数据模型优势

基于混频数据建立模型的方法，充分利用原始数据本身包含的信息来构建数据模型。在传统的宏观计量模型中，数据存在不同频率，一般需要通过运用汇总或内插方法将混频频率数据统一为相同频率数据，然后以处理之后的相同频率数据应用于宏观经济模型。这种方法建立的模型由于人为的数据累加或内插会引起的原始数据内含的信息量增加和丢失。相关学者提出直接使用混频数据来构建混频数据模型，这种方式建立的模型充分利用高频数据中的信息，避免了由于数据处理过程中人为处理而导致的数据信息虚增与丢失，在一定程度上可以提高宏观模型估计有效性和预测的准确性。

二、混频MIDAS模型研究

1.混频MIDAS模型的发展

经过不断发展与更新，混频MIDAS模型的建模从利用一个高频变量建立一元混频预测模型（MIDAS），随后出现利用多个高频变量建立多元混频预测模型（M-MIDAS）；Ghysels等人在提出MIDAS模型后，对模型进行了深入研究并提出非限制混频数据回归模型（U-MIDAS）；G?tz等人在前人研究基础上研究了基于协整关系建立混频数据误差修正模型（ECMMIDAS）。随后有学者在G?tz等人研究的基础上，对非限制混频数据误差修正模型（U-ECM-MIDAS）以及半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型等进行了研究。

2.混频MIDAS模型在宏观经济研究中的应用

混频MIDAS模型起源于金融领域，但由于其克服了传统预测模型对于数据的同频要求，减少了人为对数据信息的虚增与损失，有利于发现宏观经济指标研究，被引入宏观经济研究中。从目前的研究结果来看，混频MIDAS模型在宏观经济研究方面无论是国内还是国外研究都主要被应用于GDP指标的研究。

由于其灵活方面的应用，C l e m e n t s 和G a l v ? o（2005）将MIDAS模型引入宏观经济领域，并对美国的产出增长率进行了预测，随后在2008、2009年对预测模型进行了改进和预测。利用1959年到2005年的美国工业产出、产能利用率以及就业率的月度指标，对美国的季度产出增长率的预测模型表明，就宏观经济而言，MIDAS模型在短期预测中具有明显优势，其预测效果优于AR模型。

我国学者刘汉等人（2010）在应用MIDAS模型对宏观经济研究方面做出了较为良好的基础贡献。早期对GDP的研究主要关注的影响变量依然是宏观经济指标，由于我国GDP指标一般为季度数据，因此，我国学者尝试利于月度高频数据对季度GDP指标进行预测建模，利于实时数据进行实证分析，证实混频MIDAS模型在我国GDP的预测研究中有明显的适用性。随着对MIDAS模型的深入研究，我国不少学者从金融数据入手，讨论金融指标对我国GDP的影响。随之进一步的研究，不少学者通过建立行业经济指标，如各行业PMI值，考虑不同行业对我国GDP的贡献；一些研究关注国际贸易指标如国际石油价格波动与我国GDP之间的内在变动关系。另外一些学者对我国特有指标与我国GDP建立模型，讨论其内在联系，秦梦等人（2018）就将“克强指数”应用于对中国GDP的增长进行了研究。在对GDP的研究中，不少学者讨论了不同MIDAS模型在GDP预测的适用性与优势性，以及模型建立依据进行了讨论。

利用MIDAS模型研究宏观经济指标的另一大方面是CPI的研究。CPI指标与GDP指标为不同期限的统计指标，因此，多数学者建立的CPI的预测模型多探讨更高频的变量对其的影响，如股票、利率、商品期货市场以及沪深300指数交易日收盘价的日度变量拟合和预测月度CPI。基于预测模型的结果，不少学者从实证角度分析了利用混频数据来提高CPI预测效果的各种可能性。

三、研究展望

我国目前在运用混频MIDAS模型进行宏观经济领域研究方面，取得了比较良好的研究成果，混频MIDAS模型在宏观经济研究中具有良好的研究价值与应用，范围较国外研究范围更为广泛。通过梳理目前研究成果文献可以发现，虽然目前研究成果较为丰富，仍然存在一些需要深入讨论的研究方向，未来研究发展趋势也值得学者期待。因此笔者认为，后续运用混频MIDAS模型进行宏观经济领域研究，可以尝试从以下几点着手：

拓展研究对象的广泛性。通过梳理文献可以看出，目前相关研究主要集中在运用混频MIDAS模型对GDP和CPI的研究中，从宏观经济角度来看，存在更多的可利用研究指标，如投资、消费以及出口额等，都属于重要的宏观经济指标。这些指标对宏观经济波动存在较强的敏感度，同时这些指标的波动往往与其他领域的高频指标相关，因此，利用混频MIDAS模型对其进行研究也是重要的研究方向。

上一篇：上海经济发展报告蓝皮书发布
下一篇：没有了