2024年美国GDP预测模型

美国GDP分解

美国GDP结构

首先，对美国GDP结构进行剖析。一般而言，将美国GDP按照政府支出与投资、商品服务进出口、个人消费支出与国内私人投资 几个方面。拆解后发现，近年来，个人消费支出贡献度平均达到了78%，国内私人投资贡献度第二，约20%。商品服务进口则整体 较低，贡献度约为-24%。

美联储GDP预测

亚特兰大联储的GDPNow模型是一种复杂的工具，可以实时估计实际GDP增长。它结合了“桥接方程”方法（将GDP成分与月度 数据联系起来）和因子模型（识别共同的经济驱动因素）。该模型随着新经济数据的不断发布而不断更新其预测，从而提供对当前 经济增长及时准确的估计。

亚特兰大联储的GDPNow模型将在季度的第一个月发布初始季度GDP预测，然后随着新经济数据的不断揭示，在整个季度持续更 新结果。这意味着亚特兰大联储将各种经济数据纳入GDP预测的数据池中。

数据与模型

模型选取

基于亚特兰大联储方法，结合Soybilgen与Yazgan（2020）的研究，我们选取动态因子模型（Dynamic Factor Model, DFM）作为 主要的预测模型。DFM模型的基础上，叠加了OLS线性回归，减少预测误差。Soybilgen与Yazgan（2020）的研究认为，其模型 在很多时候表现较GDPNow有小幅提升。

数据处理

我们选取美国2000.1-2024.6的个人消费、工业生产、政府收支、进出口、通货膨胀、就业、汇率等116个月度宏观指标数据。部分 指标数据存在明显的趋势，基于以下数据预处理将其平稳化：（1）除金融指数、百分比类型以外的正值指标进行取对数操作；（2） 全部指标进行一阶差分处理；（3）全部指标进行标准化。

原始多变量时间序列数据在初始化EM算法的PCA估计值计算过程中检测到缺失值，使用dfms包中的函数 tsnarmimp() 进行插补。 方法有以下四种：（1）中位数插补；（2）使用标准正态分布中提取的随机数进行插补；（3）先使用中位数插补，随后使用移动 平均值来平滑处理；（4）非首尾时间的缺失值使用三次样条进行估算，首尾时间的缺失值先使用中位数进行估计，再使用移动平 均值进行平滑处理。本报告使用中位数插补方法对缺失值进行补充。

报告节选：

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）