应用案例-通货膨胀预测分析.pdf

第四章 Eviews应用案例 ——通货膨胀预测分析 汪昌云 中国人民大学财政金融学院 教授 张成思 中国人民大学财政金融学院 教授 戴稳胜 中国人民大学财政金融学院 副教授 Presented By Harry Mills / PRESENTATIONPRO 本章内容梗概 Eviews预测基础 在Eviews 中进行预测分析 利用Eviews进行中国CPI预测 Presented By Harry Mills / PRESENTATIONPRO Eviews预测基础  预测的基础知识 • 预测序列是指在Eviews调用 “预测(Forecast)”选项的预测设定 窗口后储存预测结果的序列。 • 预测样本指的是EViews计算预测值（拟合值）的样本区间。如果 预测值是不可计算的，那么就将返回一个缺失值（NA ）。有些情 况下，EViews会对样本进行自动调整，以防止出现预测序列全部 为缺失值的情况。需要注意的是，预测样本有可能会与估计方程 所用的样本区间重叠。 –所有样本数据可分为两段，一段为训练数据集，用以估计（或称训 练）预测模型，另一段为测试数据集，用以测试训练出的模型的估 计效果 Presented By Harry Mills / PRESENTATIONPRO Eviews预测基础 • 如果预测序列中不包含在预测样本中的值，有两个处理方式可供 选择。  默认情况下，EViews将把预测值序列中预测样本外的部分赋予因 变量的实际值，  如果在预测设定窗口中关掉Insert actuals for out-of-sample 选项，那么预测序列中预测样本外的值将设为缺失值（NA ）。 • 如果使用已经存在的预测序列的名称，每次预测后预测值序列的 所有数据将会被重写，预测序列中已经存在的数值将会丢失 Presented By Harry Mills / PRESENTATIONPRO Eviews预测基础 • 点预测值 • 对于预测样本的每个观测值，EViews都会利用估计得到参数、外 生自变量、滞后内生变量的实际值或拟合值以及残差值，来计算 出因变量的拟合值。 • 生成预测值的方法主要取决于预测使用的模型及用户设臵。 Presented By Harry Mills / PRESENTATIONPRO Eviews预测基础 • 点预测——以不包含滞后内生自变量和ARMA项的线性回归模型为例 • 假定已经估计了下面的模型： y c x z 单击估计等式结果上方工具栏中的Forecast按钮，指定预测期 • 对预测期的每个观测值，EViews都会利用估计参数和自变量的对应 值（即X和Z ），来生成Y的拟合值，即： ˆ ˆ ˆ ˆ