使用贝叶斯模型平均方法(BMA)对中国通
货膨胀建模并预测
Modeling and Forecasting Inflation in China:A Bayesian
Model Averaging Approach
陈伟
指导教师姓名： 牛霖琳助理教授
专业名称： 金融学
摘要
本文使用贝叶斯模型平均（BMA） 方法对中国通货膨胀建立模型，并对2007年1月到2009年6月的通货膨胀进行样本外预测。贝叶斯模型平均（BMA）方法是一种模型综合的方法，本文中被综合的模型是基于28个解释变量的正态线性回归模型，这些解释变量涵盖了中国经济的各个方面。通过对28个变量进行组合，可以衍生出228个线性回归模型，每一个模型或多或少能够对通货膨胀做出解释。但是对于如此庞大的备选模型，实证上不可能对所有模型进行加权平均，因此本文采用了马尔科夫链蒙特卡洛模型综合算法对模型进行选择，选择次数为1000万次。对于马尔科夫链蒙特卡洛模型综合算法的收敛性，通过比较模型后验概率的解析值和模拟值相似性可以得到证明。本文的研究结果表明，通货膨胀一阶滞后作为预测因子包含在所有预测模型中；贝叶斯模型平均方法对于通货膨胀的样本内拟合优于单一最优模型和五变量简单回归模型；对于样本外预测，在RMSE标准下，贝叶斯模型平均方法的预测能力优于AR模型、主成分分析模型、菲利普斯曲线模型、利率期限结构模型、单一最优模型和五变量模型。
关键词：贝叶斯模型平均，通货膨胀，蒙特卡洛模拟，MC3
Abstract
This paper focuses on the forecasting of inflation out-of sample in China using Bayesian Model Averaging(BMA) method. The general framework model is a simple linear regression model using a large set of potential indicators, comprising some 28 monthly time series covering a wide spectrum of Chinese economic activity. I will use the MC3 method to choose the model which can best forecast inflation. The results show that the BMA method do better than the Philips curve model, term structure model, the AR model and the model using principal component analysis.
KeyWords: BMA, Inflation, Bayesian Model Averaging, MC3
??
??
??
??