辅助宏框架预测的Python包：概念和示例（英文）

核心观点

本文介绍了名为 macroframe-forecast 的 Python 包，旨在帮助宏观经济预测框架生成既平滑又符合用户定义约束的预测结果。该框架包含两个步骤：首先，使用任何统计或机器学习模型生成无约束预测；其次，通过约束和平滑调整来调和这些预测。

框架步骤

1. 第一步预测：使用 sktime 包中的任何模型生成所有未知变量的无约束预测。
2. 第二步调和：通过优化一个二次规划问题，对第一步预测进行平滑处理并确保其满足预定义的约束，如会计恒等式和目标值。

包功能

• 模型选择：第一步中可以使用任何模型，但应选择具有较高预测精度的模型。
• 约束选择：第二步中可以选择各种约束，如会计恒等式和非负约束，或来自专家判断的约束。
• 平滑选择：第二步中可以选择合适的平滑参数，以平衡预测的平滑度和精度。
• 输出：包输出包括调和后的预测结果以及中间步骤的信息，如第一步预测、模型、预测误差等。

应用示例

• 单变量示例：预测美国 GDP，并约束其 2030 年的增长率。
• 多变量示例：预测美国财政变量（收入、支出、利息支出和主要余额），并施加会计恒等式和目标值约束。

研究结论

macroframe-forecast 包为宏观经济预测提供了一个灵活且用户友好的工具，可以帮助预测者生成既平滑又符合约束的预测结果。该框架可以与各种模型和约束一起使用，并提供多种选项来微调预测过程。