ECB欧洲央行-Working-paper-no-2335_-Merging-structural-and-reduced-form-models-for-forecasting_-opening-the-DSGE-VAR-box_66页_1mb

文档总结：融合结构性与简化形式模型用于预测

核心内容

本文探讨了在金融危机后，标准预测模型在经济预测方面面临的挑战，并评估了结合结构性模型（DSGE）与简化形式模型（VAR）的混合模型在西班牙经济预测中的表现。研究采用Smets和Wouters（2003）的DSGE模型，并将其与Bayesian VAR（BVAR）等方法结合，通过伪实时数据进行预测比较。

主要观点

• 预测模型的挑战：金融危机后的经济环境对传统预测模型提出了新的挑战，特别是在处理长期衰退和缓慢复苏时，结构性模型（DSGE）在预测实际变量增长方面表现不佳，因为其具有均值回归特性。
• 混合模型的优势：尽管DSGE模型在预测实际变量时表现较弱，但将DSGE模型的经济先验引入简化形式模型（如BVAR）可以显著提高预测准确性。这表明经济理论在简化模型中仍然具有指导意义。
• 信息融合的局限性：将结构性模型中提取的变量加入简化形式模型中，并未带来显著的预测精度提升。这表明结构性模型的变量对简化模型的预测能力贡献有限。
• 预测模型的合理性：结合结构性与简化形式模型的预测结果在统计上通常是最优且理性的（即无偏且有效），特别是在DGE-VAR和BVAR模型中表现突出。
• 先验放松的有效性：在某些特定时期，放松DSGE模型的先验假设可以显著提高预测性能，与可观测变量的一阶动态一致。

关键信息

模型与方法

• DSGE模型：基于Smets和Wouters（2003）的New-Keynesian模型，包含粘性价格和工资，考虑了多种经济摩擦和动态机制。
• 简化形式模型：包括VAR和BVAR模型，这些模型在估计和预测方面较为灵活，但缺乏经济理论支撑。
• 混合模型：包括DSGE-VAR和Augmented-(B)VAR-DSGE方法，前者通过引入DSGE模型的先验信息优化VAR模型，后者通过使用结构性模型生成的人工变量扩展VAR模型的变量空间。

数据与时间范围

• 数据来源：西班牙国家统计局（INE）的季度国家账户数据。
• 变量包括：GDP、消费、投资、工资、通货膨胀、名义利率、工作小时数。
• 时间跨度：1980年第三季度至2015年第四季度。

实证结果

• DSGE-VAR模型表现最佳：伪实时外样本预测表现优于其他模型。
• 结构性模型的不足：DSGE模型在预测实际变量时因均值回归特性低估了增长。
• 经济先验的重要性：即使在金融危机背景下，引入经济先验仍能显著提升简化模型的预测能力。
• 变量扩展效果有限：加入结构性模型的变量对简化模型的预测精度提升有限。
• 模型组合的合理性：混合模型在统计上通常是最优的，特别是在DGE-VAR和BVAR模型中。

模型结构与变量

2.1 模型公式

• 消费动态：由Euler方程描述，当前消费依赖于过去和未来预期消费，以及实际利率和偏好冲击。
• 投资动态：由投资Euler方程决定，当前投资与过去投资、预期未来投资、调整成本和特定技术冲击相关。
• 资本租金率：与资本利用率和实际工资相关。
• 商品市场：由Cobb-Douglas生产函数描述，考虑了技术冲击和劳动投入。
• 劳动力市场：最优工资决策考虑了未来工资预期、通货膨胀、劳动供给弹性等。
• 均衡条件：资源约束和货币政策规则（如Taylor规则）用于闭合模型。

2.2 参数设定

• 校准参数：包括资本折旧率（δ = 0.025）、固定成本份额（Φ = 0）和输出偏离趋势的Taylor规则权重（ψ₂ = 0）。
• 估计参数：其余参数通过贝叶斯方法估计，部分参数的先验分布和标准差根据具体情况进行调整。

2.3 模型比较

• 先验分布：模型参数的先验分布和后验估计在表中进行了对比，显示了模型在不同冲击下的响应。
• 冲击过程：包括技术冲击（ρz）、偏好冲击（ρb）、货币政策冲击（ηr）等，这些冲击的后验估计提供了模型对不同经济环境的适应性。

结论

本文通过伪实时数据测试了多种预测模型在西班牙经济中的表现，发现DSGE-VAR模型在预测实际变量时具有相对优势。尽管结构性模型在某些情况下表现不足，但其引入的经济先验对简化模型有显著帮助。此外，模型组合在预测上通常是最优的，特别是在应对金融危机等特殊时期时，放松先验假设可以提高预测准确性。本文为DSGE与VAR模型的结合提供了新的实证依据，有助于理解经济预测方法在复杂环境中的应用。