密度预测评估理论及其应用研究

The growing accumulation of macro economic and financial data and the emergence of various density forecast models, make the scientific economic forecast becoming possible for China. However, because of the transition of economic structure and the reform of economic system, China's economic variables always have the characteristics of time-varying property and nonlinearity. Therefore, to promote the macro decision-making capabilities of Chinese government and the financial sectors' effective management, it's very important to evaluate the forecast performance of various models and then detect the sources of misspecification of the rejected models. In this project we integrate the adaptive rate-optimal test, the data-driven smooth test and the theory of parameter estimation effect into the density forecast evaluation framework. In this framework, we propose a joint density forecast evaluation procedure which can be used to test the correct specification of the density forecast model, and two diagnostic inference procedures which can be used to test the correct specification of the marginal distribution and dynamic part separately. The benefit of the new framework lies in (1)the test statistics have the ideal small sample performance;(2)our test statistics have the standard asymptotic distribution, and they can be computed easily. Using the above theoretical results, we will check the forecast performances of various density forecast models for China's economic variables, and then use two diagnostic procedures to investigate the sources of misspecification, these empirical researches will be very helpful for the predictive modeling on China's economic variables.

宏观经济和金融数据的日益积累以及各种密度预测模型的不断涌现，使得对我国进行科学经济预测成为可能。但是，由于经济结构的转型和经济体制的变革，中国经济变量常具有时变性和非线性的特点。因此，如何评估已有密度预测模型在中国经济中的预测绩效，并甄别各模型的误设根源将对提高政府的宏观决策能力和金融部门的有效管理具有重要意义。 本课题旨在将适应性最优率检验、数据驱动平滑检验和参数估计效应理论融入密度预测评估框架，提出对密度预测模型进行正确检验的联合密度预测评估方法，以及分别对模型的边际分布函数和条件动态部分进行正确设定检验的单独密度预测评估方法。上述框架的采用将使得相应的检验统计量具有理想的小样本绩效，且渐进服从标准化的分布函数，计算容易。基于上述理论，我们将实证考察各主要密度预测模型在中国经济中的预测绩效，并采用两个单独密度预测评估方法来验各密度预测模型的误设根源，以此推动中国经济变量的预测建模研究。

本项目在对已有密度预测评估文献分析整理的基础上，提出了样本内和样本外联合密度预测评估的数据驱动平滑检验方法，并将其应用于评估各主要密度预测模型在中国和世界主要股票市场上的预测绩效。其次，本项目基于VaR模型正确设定检验和VaR模型预测绩效多元比较的最新研究成果，构建VaR模型预测绩效评估的分析框架，全面考察了各种VaR模型在中国股票市场上的预测绩效。最后，本项目提出加权逆回归估计和切片中位数估计两种方法来克服经典充分降维方法对预测变量的极端值和厚尾特征较敏感的问题。上述研究对中国经济变量的预测建模研究具有重要理论和实践意义，中国的经济结构转型和经济体制变革使中国的大部分经济变量具有时变性和非线性的特点，构建适合中国数据特点的最优预测模型将有力地促进政府宏观决策能力的提高和金融部门的有效管理。此外，本项目基于因子预测模型构建了前瞻性货币政策规则的参数识别框架，并分析了政策不确定性对宏观经济变量的非线性冲击效应，这为评估政府以往宏观经济调控的经济效果，以及政府未来如何实施宏观经济调控政策提供了重要的借鉴。