摘要
金融经济系统预测是宏观经济管理的重要问题,系统中大多数变量具有非线性与异质性等特征,门限分位数自回归(TQAR)模型能够较好地揭示这一特征。本文研究TQAR模型的预测技术,给出其条件分位数预测和条件密度预测方法。数值模拟结果表明,与传统的门限均值自回归模型(TAR)和分位数自回归(QAR)模型相比,TQAR模型在预测的精度和准度方面更具优势。文章使用TQAR模型研究中国通货膨胀的非线性动态特征,并在此基础上预测通货膨胀的波动趋势。实证结果表明,TQAR模型不仅能够揭示通货膨胀的门限效应和异质效应,提供比TAR和QAR模型更高的预测精准度,而且能够通过条件密度预测曲线,细致刻画通货膨胀条件分布的位置、散布与形状等全景信息,从而为宏观经济政策的制定和调整提供科学合理的决策依据。
Forecasting with financial and economic system is an important issue in macro- economic management, and most of the variables in this system have nonlinear and heteroge- neous characteristics. Threshold quantile autoregressive （TQAR） model can better discover the characteristics exactly. We give forecasting methods with TQAR model, which include conditional quantile forecasting and conditional density forecasting. The numeric simulation results show that TQAR model is superior to threshold autoregressive model （TAR） and quantile autoregressive model （QAR） in terms of forecasting accuracy and precision. Finally, we apply TQAR model to reveal the nonlinear dynamic features of inflation in China, and forecast the fluctuation of it.
出处
《数量经济技术经济研究》
CSSCI
北大核心
2016年第3期146-160,F0003,共16页
Journal of Quantitative & Technological Economics
基金
国家社科基金一般项目(15BJY008)
教育部人文社会科学研究规划基金项目(14YJA790015)
安徽省哲学社会科学规划基金项目(AHSKY2014D103)
安徽省经济学特色专业(2014tszy021)
安徽省名师工作室(2014msgzs153)的资助
关键词
门限自回归
分位数回归
条件概率
通货膨胀
Threshold Autoregressive
Quantile Regression
Conditional Probability
Inflation
