辅助宏框架预测的python包：概念和示例

本文介绍了名为 macroframe-forecast 的 Python 包，旨在帮助用户生成既平滑又符合用户指定约束的宏观经济预测。该包基于 Ando (2024) 提出的系统方法，将预测过程分为两步：首先使用任何模型生成无约束预测，然后通过二次规划方法对预测进行调和，以同时满足约束条件和时间平滑性。

核心观点：

1. 两步预测框架： 第一步使用 sktime 包中的任何模型生成无约束预测；第二步通过二次规划进行调和，确保预测平滑并满足约束条件（如会计恒等式）。
2. 模型选择灵活性： 用户可以在第一步使用任何模型，包括机器学习模型或传统计量经济学方法。
3. 约束和平滑性选择： 用户可以灵活指定约束条件（如等式约束和不等式约束）和平滑性参数，以优化预测结果。

关键数据：

• 包含两个示例：一个单变量示例（预测美国 GDP，约束 2030 年增长率），一个多变量示例（预测美国财政变量，约束会计恒等式和支出目标）。
• 使用世界经济展望（WEO）数据库中的历史数据（截至 2024 年）和预测数据（2025-2030 年）。

研究结论：

• macroframe-forecast 包提供了一种简单易用的方法，帮助用户生成平滑且符合约束条件的预测。
• 用户可以根据需要调整第一步的预测模型和第二步的调和参数，以实验不同的目标值、约束条件和平滑性。
• 该包目前仅支持点预测，但用户可以通过模拟方法构建置信区间。

未来发展方向：

• 支持混合频率时间序列。
• 加快并行处理速度。
• 开发 Excel 插件。