發(fā)布時間：2024-10-04 20:29

　　 考慮到不同類經濟指標之間具有非線性的結構信息,對128個美國宏觀經濟指標建立分層動態(tài)因子模型。按實際經濟意義將指標分為收入產出、勞動力、消費和投資、價格、貨幣信用,以及利率匯率6部分,分別使用bottom-up和top-down兩種方法提取公共因子和塊級因子,并對其經濟意義進行解釋。最后對INDPRO,CPIAUCSL,PAYEMS和FEDFUND四個指標建立關于公共因子和塊級因子的兩種預測模型,和時間序列模型的預測結果進行對比,結果表明:分層動態(tài)因子模型可以有效提取不同類型指標的結構信息,使得因子的可解釋性大大提高,基于因子的預測模型預測效果也有顯著提升。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 模型介紹
    1.1 動態(tài)因子模型
    1.2 分層動態(tài)因子模型
2 數(shù)據(jù)介紹和預處理
3 實證研究
    3.1 自底向上和自頂向下提取因子[10]
    3.2 基于分層動態(tài)因子模型的預測
        3.2.1 時間序列模型預測
        3.2.2 預測方法一
        3.2.3 預測方法二
    3.3 特征分析[12]
    3.4 模型結果
4 結論



本文編號：4007113