以理论为基础的经济景气预测方法中,有利用时间序列分析和计量经济模型的分析。这类分析方法大体上是作为对GNP等主要宏观经济变量进行量的预测的分析工具,而非表示景气质的特性即景气强弱的指标,在捕捉景气转折点等质的预测方面则运用有限。 所谓时间序列分析,是不使用特定解释变量,仅利用该时间序列的历史观测值来预测当前状态和未来变化方向,包括设定时间序列预测模型并由估计出的参数预测未来值的时域(time domain)方法,以及不设定特定模型、以非参数方法按频率分解时间序列构成因素并分析其特性的频域(frequency domain)方法。前者中,由博克斯-詹金斯一般化的ARIMA模型通常被使用;仅考虑资料趋势和季节性两种特性的霍尔特-温特斯指数平滑预测模型因操作简便也常被采用。 计量经济模型通过对构成变量的因果关系进行理论乃至实证分析,依据由此得到的GNP等宏观经济变量估计值预测景气,并可对政策效果进行模拟和系统分析,因而被广泛用于景气波动原因及其效果的分析。依据宏观经济理论设定经济结构的结构模型(Structual Equiations System)被普遍使用;在我国,以1971年韩国银行的金融计量模型为开端,以韩国开发研究院、民间研究机构及大学为中心加以开发,尝试进行中长期经济预测。 然而,结构模型的设定中存在与现实有距离的简化假设、特定经济理论的套用以及外生和内生变量的任意选定等所带来的建模者主观性,加之频繁出现预测误差(不仅在幅度上,也在方向上)等问题受到批评,最近排除经济理论的非结构宏观经济模型——向量自回归模型(VAR)被广泛用于景气预测。VAR模型是通过分析实际观测到的宏观经济变量时间序列的特性及相互作用来预测未来方向的多变量时间序列模型,有助于把握经济循环波动的典型化事实(stylized facts),可以说是时间序列分析与宏观计量经济模型的混合形态。 最后想强调的是,之所以按景气预测方法开发和运用各种预测手法,原因在于难以找到唯一能表示国民经济活动水平或景气局面的指标,以及力图尽可能将预测误差最小化的努力。特别是在我国最近所经历的经济结构调整期,过去有效的经济指标预测力下降,计量经济模型的估计系数也发生变动,因此对景气循环波动的展望不仅在景气速度上、甚至在方向上误判的情况也屡见不鲜。因此,迄今介绍的景气预测方法只不过是将预测误差最小化的手段,无论运用多么多样的预测手法进行景气展望,作为展望其本身仍有局限。
1993-02-09 | 서울경제
[经济课堂] <34> 景气预测 <④·完> 韩国银行产业分析科长刘镇邦
本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。






