系统化资产配置系列之六：实时预测中国GDP增速

请务必阅读正文之后的信息披露和重要声明 定量研究 专题报告 证券研究报告 分析师： 于明明 yumingming@xyzq.com.cn S0190514100003 ＃assAuthor＃ 报告关键点 实时预测（Nowcasting）是识别当前经济状态的流行方法。它的思想就是利用所有可得的信息来获得当前经济状态的估计。但是，对宏观经济数据建模面临多个难点，包括数据公布时间不同步、有缺失值、截面维度高和数据频率不一致等。为了解决这些问题，本文将介绍一种基于动态因子模型的 Nowcasting 方法。 ＃relatedReport＃ 相关报告 《系统化资产配置系列之五：基于择时的目标风险和风险预算配置模型》2019-12-27 《系统化资产配置系列之四:基于长期、中期、短期择时模型相结合的 A 股市场择时研究》2019-11-03 《系统化资产配置系列之三：基于 AdaBoost 机器学习算法的市场短期择时策略》2019-10-17 《系统化资产配置系列之二：行业的重新分类以及行业轮动策略》2019-09-19 团队成员： 投资要点 ＃summary＃ ⚫ 实时预测（Nowcasting）是识别当前经济状态的流行方法。它的思想就是利用所有可得的信息来获得当前经济状态的估计。举例来说，GDP 增速是反映经济状态的最直接指标，但由于它只在每季度发布一次，且发布时间滞后，因此我们总是无法得到当前季度的 GDP 增速。这样一来，我们就必须使用其他更高频指标如工业增加值增速等来推测当前季度的 GDP 增速。 ⚫ 宏观经济数据建模面临多个难点，包括数据公布时间不同步、有缺失值、截面维度高和数据频率不一致等。为了解决这些问题，本文介绍了一种基于动态因子模型的 Nowcasting 方法。在这个模型里，所有可观测的宏观经济数据能够被若干不可观测的隐含因子所解释。 ⚫ 我们从工业、价格、国内外贸易、固定投资、财政、景气调查、银行与货币等方面选取了 39 个指标建立了中国经济 Nowcasting 模型。我们在模型中设定了 5 个隐含因子，分别是全局因子（Global），实际产出因子（Real），金融因子（Finance），情绪因子（Sentiment）和价格因子（Price）。 ⚫ 本文还利用动态因子模型进行了实际测算。通过在样本内构建“伪数据集”的方法，我们展示了对于 2019 年二、三、四季度 GDP 同比的 Nowcasting过程。结果发现，随着数据集的扩大，对当季 GDP 的预测值与实际发布值会越来越接近，这初步验证了基于动态因子模型的 Nowcasting 方法有效性。 ⚫ 最后，基于 2020 年 4 月 13 日的可得数据，我们对 2020 年一季度 GDP 同比做了样本外预测，最终预测值为-2.849%。2020 年 4 月 17 日国家统计局正式公布了我国 2020 年一季度 GDP 同比增速为-6.8%。 风险提示：结论基于历史数据，在市场环境转变时模型存在失效的风险。 ＃title＃ 系统化资产配置系列之六：实时预测中国GDP 增速 ＃createTime1＃ 2020 年 04 月 24 日 请务必阅读正文之后的信息披露和重要声明 - 2 - 定量研究专题报告 目 录 1、Nowcasting ........................................................................................................... - 3 - 1.1、什么是 Nowcasting ....................................................................................... - 3 - 1.2、宏观经济数据建模的难点 ........................................................................... - 3 - 2、动态因子模型 ...................................................................................................... - 4 - 2.1、标准动态因子模型 ....................................................................................... - 4 - 2.2、考虑误差项序列自相关 ............................................................................... - 5 - 2.3、模型估计算法 ............................................................................................... - 5 - 2.4、Nowcasting 过程 ........................................................................................... - 6 - 3、中国经济 Nowcasting 模型 ................................................................................. - 7 - 3.1、中国宏观数据处理 ....................................................................................... - 7 - 3.2、模型设定 ....................................................................................................... - 9 - 4、实证结果 ............................................................................................................ - 11 - 4.1、DFM 模型结果示例 .................................................................................... - 11 - 4.2、Nowcasting 样本内预测示例 ..................................................................... - 13 - 4.3、Nowcast202