核心观点
本文探讨了在临近数据(Nowcasting)中如何解决参数增殖问题,并评估了三种方法:调整步进自回归积分移动平均模型(AS-ARIMAX)进行变量选择、机器学习(ML)中的正则化和主成分分析(PCA)进行降维。
研究方法
研究使用了166个变量,从2007年第二季度到2019年第四季度进行滚动窗口回归估计模型,并使用这些方法对2020年第一季度到2023年第一季度中国实际GDP增长率进行伪样本外预测性能比较。
研究结论
研究发现,在使用经济判断和符号限制进行变量选择时,LASSO方法表现优于所有其他模型,但简单的模型如使用AS-ARIMAX变量选择的Bridge模型也能提供可靠的估计,其结果与LASSO几乎相当。这突出了有效变量选择在捕捉强信号方面的重要性。