文档介绍：GDP缺口预计中金融变量预计能力的分析利率敏感缺口率
摘要:2021年的金融危机对全球的经济产生了深远的影响,所以,在预计关键宏观经济指标时就应更多的考虑金融变量。经过利用主成份分析得到了能够反应中国金融情况的多个主成份,并利用这些金融主成份对GDP缺进行了预计。本课题经过比较分析来评价金融主成份在预计GDP缺口中的作用。
关键词:GDP缺口;金融主成份;Stock-Watson扩散指数法
中图分类号:F830文件标志码:A文章编号:1673-291X(2021)24-0059-03
引言
2021年由美国次贷危机引发的金融危机对全球经济全部产生了深远的影响,而伴随中国金融市场的不停开放,这次危机对中国的金融市场也造成了一定的冲击。依据经验,一国的金融变量和宏观经济指标之间存在着复杂的联络。Tobin(1969)提出一国的金融市场受到冲击,这种冲击不但会影响本国的金融市场,还会影响到本国的宏观经济的走势。所以,在预计宏观经济指标时充足考虑金融变量的影响就含有主要的意义。
因为金融变量比较多,而直接将这些变量引入模型会大大降低模型的自由度,所以,这里采取的是Stock和Watson(2021)提出的扩散指数方法。她们的方法是利用主成份分析从大量的潜在信息指标变量中获取信息,然后以这些主成份作为预计的基础变量。
一、模型和数据
本文采取的方法是Stock和Watson(2021)提出的扩散指数方法(以下缩写为SW)。全部序列全部经过ADF平稳性检验。若序列在5%的显著性水平下出现了单位根,则对原序列进行差分处理。在SW的方法中,为了避免度量单位和部分数据发散对潜在原因估量的影响,全部的数据全部作了标准化(即减去均值再除以标准差)。
(一)基础模型
SW过程的基础假设是一系列的预计变量Xt和被预计变量yt能够用以下不可观察的原因Ft描述。
即Xt=∧Ft+etyt+k=α(L)yt+βFt+ηt+k(1)
其中,∧为因子负荷矩阵,α(L)为预计变量的自回归函数,β是金融原因的系数向量。这里我们假设误差相et在变量间是弱相关的,预计误差ηt+k和不可观察的原因间是无关的(即Eηt+k|Ft=0)。
本文利用主成份分析取得多个不可观察的原因,这些原因能够反应金融部门情况的大部分信息,并分析这些原因在预计宏观经济变量中的作用。这里,我们所用的预计方程以下:
yt+k=αjyt-j+βjπt-j+γijFi,t-j+ηt+k(2)
其中,y是GDP缺口,π是通货膨胀率,模型中选择主成份分析中前七个主成份作为模型的解释变量。模型中各解释变量及其滞后项的选择是使AIC值达成最小,伴随模型拟合程度的提升AIC的值会变小。
为了简化预计模型通常情况下会给定预计期限。在部分研究中通常所选择的预计期限为一年或两年(即对于季度数据来说为4或8),这么的期限也比较符合货币政策制订的要求。Smets和Tsatsaronis(1997)也提出在这么的预计期限下,金融变量对经济行为的预计能力是比较强的。
(二)模型的比较
本研究除了要建立GDP缺口的预计模型外,还要经过比较分析来评价金融变量对宏观经济的预计能力。Estrella和Hardouvelis(19