基于混频数据的消费者信心与中国宏观经济波动研究

管理评论 ›› 2021, Vol. 33 ›› Issue (10): 90-102.

基于混频数据的消费者信心与中国宏观经济波动研究

姜伟, 黎依堞

青岛大学经济学院, 青岛 266061

收稿日期:2018-09-18 出版日期:2021-10-28 发布日期:2021-11-29
通讯作者: 姜伟(通讯作者),青岛大学经济学院副教授,博士
作者简介:黎依堞,青岛大学经济学院硕士研究生。
基金资助:
国家社会科学基金项目（20BJL020）；国家自然科学基金项目（71771129）；山东省社会科学规划项目（17CJJJ05）；山东省高等学校人文社会科学计划项目（J17RA224）。

Consumer Confidence and China's Macroeconomic Fluctuations Based on Mixed Frequency Data

Jiang Wei, Li Yidie

School of Economics, Qingdao University, Qingdao 266061

Received:2018-09-18 Online:2021-10-28 Published:2021-11-29

摘要/Abstract

摘要： 本文将消费者信心指数引入混频数据模型（MIDAS）中，考察经济新常态下对中国宏观经济波动的影响。基于消费者信心指数以及“三驾马车”对季度GDP增长率进行预测，结果显示：（1）引入消费者信心指数的混频数据模型较基准模型的预测精度比未引入的预测精度要高，均方根残差比值也更小；（2）多元混频预测中，引入消费者信心指数的混频回归模型对季度GDP增长率的实时预报与短期预测更趋稳定，能够提供更精准的参考区间；（3）在考察行为指标消费者信心指数对中国宏观经济的影响中，消费者信心指数在进行样本内预测时，宏观经济对消费者信心指数变动反应最为灵敏。本文为定量追踪宏观经济波动提供了一个新的视角。

关键词: 消费者信心, MIDAS模型, GDP增长率, 预测

Abstract: This paper introduces consumer confidence index into MIDAS, and investigates the influence of consumer confidence index on China's macroeconomic fluctuations under the new economic normal. Based on the monthly consumer confidence index, the export, the total retail sales volume of social consumers and the fixed asset investment, this paper predicts the quarterly GDP growth rate and reaches the following three conclusions. Firstly, according to the MIDAS that includes consumer confidence index, the prediction accuracy tends to be higher and the mean square residual ratio tends to be lower. Secondly, MIDAS with more variable is less volatile when consumer confidence index is included, so it can provide a more accurate reference range. Thirdly, compared with other variables, macroeconomy is more sensitive to the change of consumer confidence index.

Key words: consumer confidence, MIDAS model, the real GDP growth rate, prediction

姜伟, 黎依堞. 基于混频数据的消费者信心与中国宏观经济波动研究[J]. 管理评论, 2021, 33(10): 90-102.

Jiang Wei, Li Yidie. Consumer Confidence and China's Macroeconomic Fluctuations Based on Mixed Frequency Data[J]. Management Review, 2021, 33(10): 90-102.

参考文献

[1] Gilligan T. W., Matsusaka J. G. Deviations from Constituent Interests:The Role of Legislative Structure and Political Parties in the States[J]. Economic Inquiry, 1995,33(3):383-401
[2] Taylor K., Mcnabb R. Business Cycles and the Role of Confidence:Evidence for Europe[J]. Oxford Bulletin of Economics & Statistics, 2007,69(2):185-208
[3] Bryant W. D. A., Macri J. Does Sentiment Explain Consumption?[J]. Journal of Economics & Finance, 2005,29(1):97-110
[4] Ludvigson S. C. Consumer Confidence and Consumer Spending[J]. Journal of Economic Perspectives, 2004,18(2):29-50
[5] Bondt G. D. Confidence and Monetary Policy Transmission[J]. SSRN Electronic Journal, 2015, DOI:10.2139/ssrn.2608364
[6] Leduc S. Confidence and the Business Cycle[J]. Frbsf Economic Letter, 2010,35(1):1-5
[7] 王汝芳,田业钧. 消费者信心指数与股票市场收益的实证研究[J]. 经济与管理, 2009,23(12):22-26
[8] 姜伟,闫小勇,胡燕京. 消费者情绪对通货膨胀影响的理论分析[J]. 经济研究, 2011,46(S1):90-104
[9] 朱治安,李纯青,张洋. 消费心理及消费预期对家用汽车消费时机选择的影响研究[J]. 预测, 2012,31(6):56-60
[10] 姜伟,王楠楠. 企业家信心与宏观经济波动[J]. 东方论坛, 2015,(4):6-12
[11] 马理,何梦泽,刘艺. 基于适应性预期的货币政策传导研究[J]. 金融研究, 2016,(8):19-33
[12] 王性玉,姚海霞,王开阳. 基于投资者情绪调节效应的企业生命周期与风险承担关系研究[J]. 管理评论, 2016,28(12):166-175
[13] 王道平,贾昱宁. 投资者情绪、大宗商品价格与通货膨胀——基于微观调查数据"大宗商品信心指数"的分析[J]. 国际金融研究, 2018,(2):77-86
[14] 郭崇慧,唐焕文. 宏观经济预测模型体系研究[J]. 运筹与管理, 2001,10(4):1-8
[15] 石为人,冯治恒. 基于灰色理论与BP算法的宏观经济预测模型研究[J]. 计算机与数字工程, 2007,35(1):8-10
[16] 吕广亮. 省域宏观经济预测评价与方法选择[J]. 河北学刊, 2008,28(3):155-158
[17] 厦门大学宏观经济研究中心课题组. 中国宏观经济分析与预测[J]. 厦门大学学报(哲学社会科学版), 2009,(3):19-26
[18] 刘超,蒋玉洁,马玉洁. 新常态条件下中国经济增长预测研究——基于货币政策调控视角[J]. 管理评论, 2018,30(6):28-39
[19] 寇明婷,杨海珍,汪寿阳. 股票价格与宏观经济联动关系研究——政策预期视角[J]. 管理评论, 2018,30(9):3-11
[20] Ghysels E., Santa-Clara P., Valkanov R. The MIDAS Touch:Mixed Data Sampling Regressions[R]. Cirano Working Papers, 2004,5(1):512-517
[21] Ghysels E., Valkanov R. I., Serrano A. R. Multi-Period Forecasts of Volatility:Direct, Iterated, and Mixed-Data Approaches[J]. SSRN Electronic Journal, 2009, DOI:10.2139/ssrn.1344742
[22] Foroni C., Marcellino M., Schumacher C. Unrestricted Mixed Data Sampling (MIDAS):MIDAS Regressions with Unrestricted Lag Polynomials[J]. Journal of the Royal Statistical Society, 2015,178(1):57-82
[23] Tay A. S. Mixing Frequencies:Stock Returns as a Predictor of Real Output Growth[R]. East Asian Bureau of Economic Research, 2006
[24] Clements M. P., Galvão A. B. Macroeconomic Forecasting with Mixed-Frequency Data:Forecasting Output Growth in the United States[J]. Journal of Business & Economic Statistics, 2008,26(4):546-554
[25] Clements M. P., Galvão A. B. Forecasting Us Output Growth Using Leading Indicators:An Appraisal Using Midas Models[J]. Journal of Applied Econometrics, 2009,24(7):1187-1206
[26] 刘金全,刘汉,印重. 中国宏观经济混频数据模型应用——基于MIDAS模型的实证研究[J]. 经济科学, 2010,32(5):23-34
[27] 刘汉,刘金全. 中国宏观经济总量的实时预报与短期预测——基于混频数据预测模型的实证研究[J]. 经济研究, 2011,46(3):4-17
[28] 郑挺国,尚玉皇. 基于金融指标对中国GDP的混频预测分析[J]. 金融研究, 2013,(9):16-29
[29] 于孝建,王秀花. 基于混频已实现GARCH模型的波动预测与VaR度量[J]. 统计研究, 2018,(1):104-116
[30] Hansen P. R., Huang Z., Shek H. H. Realized GARCH:A Joint Model for Returns and Realized Measures of Volatility[J]. Journal of Applied Econometrics, 2012,27(6):877-906
[31] 仝冰. 混频数据、投资冲击与中国宏观经济波动[J]. 统计研究, 2017,(6):62-78
[32] 于扬,王维国. 我国资产价格对CPI影响效果的研究——基于混频数据模型的分析[J]. 价格理论与实践, 2017,(4):98-101