簡易檢索 / 詳目顯示
| 研究生： |
陳亭翰 |
|---|---|
| 論文名稱： |
以狀態空間模型即期預測台灣國內生產毛額 Nowcasting GDP of Taiwan by State Space Model |
| 指導教授： | 徐士勛 |
| 學位類別： |
碩士
Master |
| 系所名稱： |
社會科學學院 - 經濟學系 Department of Economics |
| 論文出版年： | 2016 |
| 畢業學年度： | 104 |
| 語文別： | 中文 |
| 論文頁數： | 69 |
| 中文關鍵詞： | 即期預測 、狀態空間模型 、卡爾曼濾波器 |
| 相關次數： | 點閱：56 下載：18 |
| 分享至: |
| 查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
國內生產毛額作為總和國內經濟狀況的綜合性指標, 一直是政府機關與民間機構在進行決策時的重要參考之一。 然而, 也因為需要整合較多的統計資料做計算, 國內生產毛額因此僅有季的低頻資料。 為了能夠精準地預測此類低頻資料, 多數學者遂以數學模型將高頻與低頻資料做連結, 期能透過模型找到高頻資料所隱含的資訊來預測低頻資料, 即期預測 (Nowcasting) 即是此類型預測的概稱。 透過即期預測, 我們可以快速掌握當下的經濟狀況, 以做出更合適的決策。 據此, 本文將依Banbura, Giannone and Reichlin (2010),以狀態空間模型 (State Space Model) 搭配卡爾曼濾波器 (Kalman Filter) 來
實現對國民生產毛額的即期預測, 並藉此模型對我國經濟體進行相關分析。
1 緒論 1
1.1 研究動機與目的 1
1.2 研究架構 2
2 文獻回顧 3
3 研究方法 6
3.1 模型設定與演算法 7
3.1.1 月資料模型 7
3.1.2 卡爾曼濾波器 8
3.1.3 期望最大化演算法 10
3.1.4 季資料模型 12
3.1.5 遺失資料之處理 14
3.1.6 主成份分析法 15
3.2 估計步驟 18
4 實證結果 20
4.1 資料說明 20
4.2 單根檢定 20
4.3 分析結果 21
4.3.1 狀態空間模型之分析結果 21
4.3.2 狀態空間模型對月資料之預測 27
4.3.3 主成份分析法之分析結果 30
4.3.4 狀態空間模型與主成份分析法之比較 37
5 結論 39
A 狀態空間模型之矩陣形式 45
B 最大概似函數 47
C 敘述統計量 49
D ADF檢定結果 55
E 表一詳細數據 58
F 狀態空間模型之估計係數 61
張志揚 (2013) , 「台灣總體經濟即期季模型之建立-運用月資料改善國民所得預測」, 中央銀行季刊, 第 35 卷第 3 期, 頁 37 - 60。
彭素玲、 周濟 (2001),「台灣總體經濟即期季模型之建立與應用」, 中央研究院經濟研究所, 台灣經濟預測與政策, 第32卷第1期, 頁 77 - 116 。
Aruoba, S.B., Diebold, F.X. and Scotti, C. (2008), ”Real-Time Measurement of Business Conditions.” NBER Working Paper No. 14349
Banbura, M., Giannone, D., Reichlin, L. ( 2010),”Nowcasting.” eCB Work-
ing Paper No 1275, Europe Central Bank.
Doz, C., D. Giannone, and L. Reichlin (2005), ”A two-step estimator for
large approximate dynamic factor models based on Kalman Filtering.”
Manuscript, Universit’e Libre de Bruxelles.
Giannone D, Reichlin L, Small D. (2008), ”Nowcasting: the real-time in-
formational content of macro economic data.” Journal of Monetary
Economics, 55(4), 665 - 676.
Mariano, R., Murasawa, Y. (2003), ”A new coincident index of business
cycles based on monthly and quarterly series.” Journal of Applied
Econometrics 18 : 427 - 443.
