2013年-IMF国际货币组织全球_Information_Rigidities_in_Economic_Growth_Forecasts_Evidence_from_a_Large_International_Panel_24页_949kb

报告摘要

总结：经济增速预测中的信息刚性：来自大型国际面板的证据

核心内容

本文研究了30个先进和新兴经济体在1989年至2010年间对实际GDP增长的预测行为，探讨了信息刚性在经济预测中的作用。研究发现，预测修正之间存在正相关性，这表明预测并非完全有效，而是存在一定程度的“平滑”现象。作者指出，这种现象更常见于新兴经济体，且在预测修正分布的中间部分比尾部更显著。

主要观点

信息刚性的理论解释
- 粘性信息模型（Sticky Information）：Mankiw和Reis（2002）提出，由于获取信息的成本固定，预测者更新信息频率较低，导致预测修正之间存在相关性。
- 噪声信息模型（Noisy Information）：Woodford（2002）和Sims（2003）认为，预测者持续更新信息，但由于收到的经济信号不准确，预测修正仍然存在相关性。
- 行为因素：Nordhaus（1987）指出，人们倾向于缓慢吸收新信息，导致预测修正平滑。
- 非对称损失函数：预测者可能因对预测误差的主观重视不同而表现出信息刚性。
信息刚性的实证结果
- 预测修正的正相关性：预测修正之间存在正相关性，支持“噪声信息模型”，而非“粘性信息模型”。
- 新兴经济体的信息刚性更强：预测修正的正相关性在新兴经济体中比先进经济体更为显著，可能由于数据质量较差和结构性变化较快。
- 非线性特征：预测修正的平滑程度在分布的中间部分比尾部更明显，即较大的正负修正与后续修正的相关性较低。
预测效率的检验方法
- 使用平均预测和个体预测数据进行回归分析，检验预测修正的自相关性。
- 平均预测模型：回归方程为 $\bar{r}{i,t,h} = \beta_i + \lambda \bar{r}{i,t,h+k} + \sum_{m} \lambda_m I(h_m) \bar{r}{i,t,h+k} + u{i,t,h}$，其中 $\lambda$ 表示信息刚性的程度。
- 个体预测模型：回归方程为 $r_{j,i,t,h} = \beta_{j,i} + \lambda r_{j,i,t,h+k} + \sum_{m} \lambda_m I(h_m) r_{j,i,t,h+k} + u_{j,i,t,h}$，同样用 $\lambda$ 表示信息刚性。
数据与方法
- 数据来源于Consensus Economics Inc. 的跨国家调查数据，包含30个经济体的个体预测。
- 数据具有三维结构，涵盖不同预测者、国家和目标年份。
- 使用OLS 和 GMM 方法进行估计，以确保结果的稳健性。

关键信息

样本规模：共188,639个个体预测，其中104,894个来自14个先进经济体。
预测修正的时间跨度：预测修正计算基于3个月的窗口（$k^* = 3$）。
预测修正的分布特征：预测修正分布呈单峰形态，新兴经济体的修正分布更平坦，且修正幅度更大。
预测修正的非线性：修正的平滑程度在预测分布的中间部分比尾部更显著。
预测误差的均方根（RMSFE）：随着预测期限的缩短，预测误差降低，先进经济体的RMSFE显著低于新兴经济体。
预测修正的频率：个体预测者在预测修正中表现出较高的更新频率（0.8-0.9），这与“噪声信息模型”理论一致。

结构清晰总结

一、引言

预测和预期在宏观经济中扮演重要角色。
理论上，预测应为“完全信息理性预期”，即预测误差应与所有相关信息正交。
实际中，预测修正存在自相关性，表明信息刚性存在。
本文使用大型国际面板数据，检验预测修正的相关性及其背后的原因。

二、方法论

平均预测检验：通过回归方程检验预测修正的自相关性，$\lambda$ 表示信息刚性。
个体预测检验：通过个体预测数据，分析预测修正的频率和分布。
非线性检验：使用阈值模型分析预测修正分布的中间部分和尾部的平滑程度差异。

三、数据与描述性统计

数据来自Consensus Economics Inc.，涵盖30个经济体的个体预测。
预测修正分布呈单峰形态，新兴经济体的修正更频繁但幅度更大。
预测误差随着预测期限缩短而降低，先进经济体的预测误差显著低于新兴经济体。
预测修正在接近目标年结束时（$h=1$）幅度最大，尤其是在新兴经济体中。

四、实证发现

平均预测结果：
- 预测修正存在显著的正相关性，支持“噪声信息模型”。
- 信息刚性在先进和新兴经济体中相似，但新兴经济体的修正相关性更高。
- 预测修正的自相关性在预测周期的中间部分比尾部更显著。
个体预测结果：
- 预测修正的自相关性较高，且预测者更新频率较高（0.8-0.9）。
- 预测修正的非线性特征表明，大修正与后续修正的相关性较低。
- 结果支持“噪声信息模型”，反对“粘性信息模型”。