辅助宏框架预测的Python包：概念与示例

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指定约束的预测结果。该框架分为两步：

1. 第一步预测：使用任何模型（如自回归模型、决策树或机器学习模型）生成无约束预测。
2. 第二步协调：通过二次规划问题调整第一步预测，以平滑时间序列并满足约束条件（如会计恒等式和目标值）。

关键数据

• 该包使用世界经济展望数据库中 1950-2024 年的美国名义 GDP 数据，并生成 2025-2030 年的预测。
• 在第一步预测中，默认使用包含朴素预测器、弹性网络、带 PCA 特征的 OLS 和 OLS 的预测管道。
• 在第二步协调中，使用 Oracle Shrinkage Approximating 估计器 (OAS) 或带对角线目标的 Oracle Shrinkage Approximating 估计器 (OASD) 来估计权重矩阵，并使用标准 HP 滤波器参数来控制平滑度。

研究结论

• macroframe-forecast 包提供了一种灵活且用户友好的方法，用于生成平滑且符合约束条件的宏观经济预测。
• 该框架允许用户使用任何模型进行第一步预测，并通过协调步骤进行平滑和约束调整。
• 该包支持等式约束和不等式约束，并允许用户自定义权重矩阵和平滑参数。
• 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

• 扩展对混合频率时间序列的支持。
• 加快并行处理速度。
• 添加 Excel 插件。