14.2.4 应用于调查预测

14.2.4 应用于调查预测

接下来，我们通过一个实证应用来说明一些最常用的组合方法，该应用使用了在预测中常用的调查数据。

图14.1：专业预测者调查中编号高于400的参与者对GDP增长率预测的报告情况。"x"表示调查参与者报告了对下一季度的预测，而空白表示该参与者未报告预测。

用于宏观经济预测的经济调查的主要来源包括专业预测者调查和利文斯顿调查（均由费城联邦储备银行维护）、蓝筹股预测、英国工业联合会、共识经济学以及密歇根大学美国消费者调查。在金融领域，还有IBES数据（调查分析师的盈利预测），以及盖洛普投资者调查、杜克首席财务官调查和美国个人投资者协会调查。

调查通常采用相对大量参与者预测的面板形式。重要的是，由于个体参与者频繁进入、退出和重新进入，这些面板是不平衡的。

作为实证说明，我们考察专业预测者调查报告的失业率和实际GDP增长率的一个季度领先预测。预测者包括商业银行、个体专家和专业预测公司，每位预测者都被分配一个不随时间变化的唯一代码。然而，调查参与者可能随时退出并重新进入调查，因此诸如权重的OLS估计等预测组合方法并不完全适用于这种类型的不平衡面板数据。

图14.1说明了1991年至2012年间部分个体预测者（编号高于400）进入和退出调查的情况。大多数调查参与者仅在相对较短的时间内报告实际GDP增长率预测，即使是记录最长的预测者也存在一些报告缺口。垂直沟槽显示了新一组调查参与者加入的时间。显然，调查数据构成了一个高度不平衡的预测面板。

图14.2：专业预测者调查对实际GDP增长率预测的中位数、四分位距以及最高和最低点预测。框的中间表示中位数预测，框的外边界表示四分位距，而顶部和底部的"+"表示给定季度中的最高和最低预测。

纯粹的统计组合方法可能会忽略任何因预测者退出调查而产生的损耗偏差——这些退出者不会随后重新进入——其原因是预测表现不佳。这种行为类似于共同基金中所观察到的现象：表现不佳的基金更可能清盘。如果存在此类损耗偏差，预测组合可能会受益于简单地忽略缺失的预测，除非这些缺失在时间上是随机分布的。

图14.2显示了1991年第二季度至2012年第四季度期间实际GDP增长率预测的中位数、四分位距以及最高和最低点预测。样本中最悲观和最乐观的预测之间存在相当大的差异。虽然中位数预测的变动比个体预测平滑得多，但在2002年以及2008年和2009年附近仍有一些显著的下降，这与这些时期的经济衰退相吻合。这些也是GDP增长预测转为负值的主要时期。

图14.3显示了使用最近5年（上）和10年（下）期间估计的MSE值确定的实际GDP增长率最佳预测者的身份。较短的评估窗口的优点是能够快速识别有技能的预测者，以及快速剔除开始产生较差预测的预测者。相反，较长的10年窗口可用于更精确地估计个体预测者的平均表现。在两种情况下，都存在一些预测者在数年中占据主导地位的时期，无论使用5年还是10年窗口都如此。请注意，排名的部分持续性是由滚动估计窗口的使用引起的，这可能导致即使在技能不持续的情况下也出现一定的持续性。

5年

10年

图14.3：在专业预测者调查中，过去5年（上）或过去10年（下）实际GDP增长率预测记录最佳（以均方预测误差衡量）的参与者身份。

图14.4提供了失业率数据上之前最佳预测的相同图示。同样有证据表明最佳预测者的身份是持续的，但也会随时间变化。请注意，从低编号到高编号的转变与样本损耗相关——编号最低的调查参与者在1990年代退出了样本，而编号最高的参与者仅出现在样本的后期部分，即样本得到补充之后。然而，即使在这两组参与者中，尽管滚动窗口会在排名中引起一定的持续性，但仍存在相当多的更替。

图14.5和图14.6绘制了来自此前最佳预测者、在给定时间点生成预测的所有调查参与者的等权重平均值,以及逆均方误差加权平均值(公式14.18)对失业率(图14.5)和实际GDP增长(图14.6)的预测结果。逆均方误差权重和此前最佳预测者变量均使用5年滚动窗口。

5年

10年

图14.4:在专业预测者调查中,在过去5年(上图)或过去10年(下图)期间失业率预测表现最佳(以均方预测误差衡量)的参与者身份。

对于失业率序列,长期来看,这些预测的走势非常相似。这是意料之中的,因为该变量具有高度持续性,这意味着主要基于当前失业率进行的预测将捕捉到该变量的大部分变化。

相反,我们看到实际GDP增长预测在三种方法之间存在更大且相当明显的差异,这表明对于这一持续性较弱的变量,组合方法的选择更为重要。按均方误差的倒数比例进行预测组合会导致该变量的预测波动最为剧烈。