盧 超，顏 蒙

(東北師范大學經濟學院，吉林 長春 130117；新罕布什爾大學經濟系，美國 新罕布什爾州)

動態(tài)隨機一般均衡框架下預測理論的發(fā)展：文獻綜述與應用展望

盧 超，顏 蒙

(東北師范大學經濟學院，吉林 長春 130117；新罕布什爾大學經濟系，美國 新罕布什爾州)

動態(tài)隨機一般均衡框架下預測理論的發(fā)展，彌補了動態(tài)隨機一般均衡模型在經濟結構分析和政策評估研究中的不足，不僅有助于更好地理解經濟運行狀況，同時也能夠為政府和中央銀行的政策制定提供理論支持和決策參考。隨著中國經濟發(fā)展步入新常態(tài)，如何進一步為政府和央行提供前瞻性的政策指導尤為重要，因此，構建包含中國宏觀經濟結構特質性的動態(tài)隨機一般均衡模型進行預測，對于探討國家政策的有效性、幫助政府部門靈活審慎地制定和推出旨在防止經濟衰退的穩(wěn)定化宏觀經濟調控政策具有積極的作用。

動態(tài)隨機一般均衡模型；向量自回歸；點預測；金融摩擦

一、引 言

近年來，隨著全球經濟發(fā)展不確定性的增加，外部沖擊對中國宏觀經濟的影響日漸突出，尤其是2007年美國次貸危機和2009年歐洲債務問題爆發(fā)所導致的全球經濟衰退對中國宏觀經濟產生明顯的負向沖擊。與此同時，中國國內宏觀經濟發(fā)展步入新常態(tài)，經濟結構轉型和新的經濟增長點的挖掘將對國內宏觀經濟發(fā)展產生深刻影響*胡乃武、田子方：《新常態(tài)下我國經濟增長的基本特征及前景》，《經濟縱橫》2015年第8期。。因此，中國政府和中央銀行如何準確把握并預測未來宏觀經濟走勢顯得尤為重要，這也將成為政府制定宏觀經濟政策的重要依據(jù)。中國人民銀行首席經濟學家馬俊曾指出，中國政府和央行應該建立符合中國實際的宏觀經濟模型，以此來加強政府和央行對于政策的研究能力。在應用層面，作為現(xiàn)代宏觀經濟學核心的動態(tài)隨機一般均衡(DSGE)模型，普遍被各國政府和中央銀行用來進行政策效果的分析，DSGE模型為研究經濟增長和經濟波動提供了統(tǒng)一的分析框架。事實上，在此基礎上發(fā)展起來的利用DSGE模型進行經濟發(fā)展預測將為政府和央行提供前瞻性的政策指導依據(jù)。

現(xiàn)有的宏觀經濟預測普遍依賴于傳統(tǒng)的計量經濟學手段。但是，無論是單變量的自回歸移動平均過程還是向量自回歸過程，在面對隨機外生沖擊或者經濟“大災難”時，其預測效果往往非常差，難以有效地進行政策指導，這源自于時間序列計量模型經濟理論的缺乏以及對宏觀經濟環(huán)境變化缺乏適應性。相比之下，DSGE模型預測有兩個優(yōu)勢：首先，DSGE模型給出了依據(jù)現(xiàn)代宏觀經濟理論進行預測的一個解釋；其次，從經濟政策制定者角度來講，DSGE模型使政策制定者可以進行一致的政策分析，從而避免了政策的動態(tài)不一致性；此外，DSGE模型中的“結構參數(shù)”也有明確的經濟含義，使得實證結果也有相應的經濟解釋。

在實際商業(yè)周期和新凱恩斯主義經濟學基礎上發(fā)展起來的DSGE模型，不僅克服了傳統(tǒng)的宏觀經濟理論缺少堅實微觀經濟基礎的問題，更避免了傳統(tǒng)的聯(lián)立方程模型所導致的“盧卡斯批判”。然而，DSGE模型基于外生的、無法預測的沖擊或者事先假定的沖擊過程對經濟體進行分析，這也導致了DSGE模型在預測方面的困難以及巨大偏差。因此，DSGE模型在經濟預測方面的改進，不僅能夠更好地刻畫和描述現(xiàn)實經濟的復雜性，同時DSGE模型的經濟預測能力與政策效果分析能力的結合，使得政策制定者能夠事先制定有效的宏觀經濟政策以應對經濟危機的巨大沖擊。但是基于DSGE模型進行預測在模型構建和估計方法上通常比較復雜，因而較之DSGE模型用于經濟結構探討、經濟政策分析等方面的應用，對于DSGE模型預測的探討仍然不足。

二、DSGE模型框架下預測理論研究現(xiàn)狀

在過去幾十年間，DSGE模型已經發(fā)展成為宏觀經濟學家和政策制定者的主要分析工具。DSGE模型在實際經濟周期和新凱恩斯主義經濟學的理論基礎上取得了新發(fā)展，結合貝葉斯(Bayesian)方法進行結構參數(shù)估計，并對宏觀經濟政策效果進行脈沖響應分析。因此，DSGE模型的發(fā)展主要集中在了模型形式構建、參數(shù)方法估計、政策效果分析三個主要方面，而利用DSGE模型進行經濟預測仍處于初步發(fā)展階段。

(一)DSGE-VAR模型預測

DSGE模型的研究往往需要將其轉化為可供實證研究的方程組，并在此基礎上進行沖擊的脈沖響應分析，因此從預測角度來講，DSGE模型與VAR模型的對比分析就成了評判DSGE模型預測效果的一個重要參考。此外，隨著VAR模型估計方法的改進，貝葉斯VAR(即BVAR)也得到了廣泛的應用，尤其是BVAR已經逐漸成為各個國家和央行政策制定領域常用的預測工具*沈悅、李善燊、馬續(xù)濤：《VAR宏觀計量經濟模型的演變與最新發(fā)展——基于2011年諾貝爾經濟學獎得主Smis研究成果的拓展脈絡》，《數(shù)量經濟技術經濟研究》2012年第10期。。因此，DSGE同VAR、BVAR間的預測能力比較成為了DSGE預測研究的最初關注點。Smets和Wouters一系列研究顯示，DSGE模型在樣本外的預測能力要優(yōu)于VAR和BVAR模型*Smets F, Wouters R. An estimated dynamic stochastic general equilibrium model of the euro area. Journal of the European economic association, 2003, 1(5).。Rubaszek和 Skrzypczyński基于美國三個月國債收益率、GDP增長率和GDP平減指數(shù)，通過比較小規(guī)模DSGE模型、三變量VAR模型以及專業(yè)預測者調查(Survey of Professional Forecasters，SPF)對經濟變量的預測能力，表明盡管對于GDP預測而言DSGE模型優(yōu)于后兩種方法對的預測，但是對于其它兩個關鍵經濟變量的預測，SPF預測效果更好*Rubaszek M, Skrzypczyński P. On the forecasting performance of a small-scale DSGE model. International Journal of Forecasting, 2008, 24(3).。Gurkaynak，Kisacikoglu和Rossi分析了DSGE模型和AR、VAR以及BVAR等簡化形式的模型，得出的結論是所有模型的預測都是缺乏效率的，不存在單一最佳預測方法，預測的相對準確性隨時間會發(fā)生變化。例如，對于產出增長來說，AR模型在短期最準確，但是DSGE在長期來看預測更為準確，通脹預測則恰好相反*Gurkaynak R S, Kisacikoglu B, Rossi B. Do DSGE models forecast more accurately out-of-sample than VAR models?. Working Paper, 2013.。

Del Negro和Schorfheide構造了一個混合DSGE-VAR模型，并指出引入VAR成分降低了DSGE模型潛在誤設定的可能性*Del Negro M, Schorfheide F. Priors from General Equilibrium Models for VARS. International Economic Review, 2004, 45(2).。Ghent指出DSGE-VAR模型從預測角度來講，相對于VAR模型來說得到了有效的提升，但是較之RBC模型而言并未產生更好的預測效果。通過計算交叉相關系數(shù)后發(fā)現(xiàn)，DSGE模型預測的提升除了DSGE模型本身所暗含的變量動態(tài)關系，更有可能來自于變量間較高的相關關系*Ghent A C. Comparing DSGE-VAR forecasting models: How big are the differences?. Journal of Economic Dynamics and Control, 2009, 33(4).。Lees，Matheson和Smith通過DSGE-VAR模型同新西蘭儲備銀行公開發(fā)布的經濟數(shù)據(jù)對比發(fā)現(xiàn)，在開放經濟中使用DSGE-VAR模型進行預測有很好的效果。從更長時期來看，基于DSGE-VAR模型和DSGE模型的預測都要優(yōu)于儲備銀行的預測*Lees K, Matheson T, Smith C. Open economy forecasting with a DSGE-VAR: Head to head with the RBNZ published forecasts. International Journal of Forecasting, 2011, 27(2).。Bache et al.分析DSGE-VAR模型在挪威通貨膨脹率預測中的效果，僅僅通過DSGE模型得到的通脹點預測校準效果非常差，但是在DSGE-VAR模型中，如果允許VAR結構參數(shù)發(fā)生變化，預測能力得到明顯提升*Bache I W, Jore A S, Mitchell J, et al. Combining VAR and DSGE forecast densities. Journal of Economic Dynamics and Control, 2011, 35(10).。Bekiros和Paccagnini通過比較不同規(guī)模的DSGE模型、不同的VAR模型及兩者混合模型，并使用美國1997年第一季度到2010年第四季度的實際數(shù)據(jù)，通過樣本外預測能力來對不同模型進行評估，得出如下結論：單一模型難以實現(xiàn)對所有宏觀經濟變量的有效預測，例如對于GDP而言，BVAR和DSGE-VAR較之DSGE-FAVAR、FAVAR和簡單的DSGE模型來講，預測結果難以令人滿意；對于消費而言，DSGE-FAVAR要遠優(yōu)于其它模型；對于工作時間和工資而言，VAR和BVAR要優(yōu)于其它模型。此外，該研究還表明DSGE混合模型不僅能夠解決DSGE模型誤設定問題，同時貝葉斯方法的采用也使得大型DSGE模型能夠產生比傳統(tǒng)時間序列模型(例如VAR)更好的預測能力*Bekiros S, Paccagnini A. Forecasting the US economy with a factor-augmented vector Autoregressive DSGE model. 2014.。

因此，無論是DSGE-VAR、BVAR還是DSGE-FAVAR模型，這些模型預測結論通常缺乏穩(wěn)健性，尤其是面對不同國家、不同時間、不同宏觀經濟變量進行預測時，對于模型選擇極為困難。這也就給宏觀經濟政策的分析和制定帶來了復雜性和不確定性。

(二)DSGE模型點預測

除DSGE-VAR模型外，由DSGE模型所估計的宏觀經濟變量點預測的準確性也受到了較多關注。Adolfson，Lindé和Villani在構造歐元區(qū)DSGE模型的基礎上分析了其預測行為，同時利用樣本外滾動事件評價法(out-of-sample rolling event evaluation)評估了點預測的準確性，研究結果顯示開放經濟的DSGE模型點預測效果非常好。從密度預測的角度來講，DSGE模型密度預測在某種程度上也要優(yōu)于VAR模型的預測能力，DSGE模型和VAR模型對于不同變量的區(qū)間預測表現(xiàn)幾乎一致*Adolfson M, Lindé J, Villani M. Forecasting performance of an open economy DSGE model. Econometric Reviews, 2007, 26(2-4).。Edge，Kiley和Laforte通過比較DSGE模型、時間序列以及美聯(lián)儲工作人員的預測，表明DSGE模型所進行的宏觀經濟總量預測與中央銀行所進行的預測是一致的*Edge R M, Kiley M T, Laforte J P. A comparison of forecast performance between federal reserve staff forecasts, simple reduced‐form models, and a DSGE model. Journal of Applied Econometrics, 2010, 25(4).。Wolters利用實時數(shù)據(jù)探討了DSGE模型對于通貨膨脹、GDP增長和聯(lián)邦基金利率預測的準確性，并同聯(lián)邦綠皮書(Fed’s Greenbook)的預測結果進行了比對，DSGE模型僅僅在通脹預測方面比綠皮書預測占優(yōu)。同時指出基于多個DSGE模型的聯(lián)合預測較之單一模型預測增加了預測的精度，但是DSGE模型低估了點預測附近的不確定性*Wolters M H. Evaluating point and density forecasts of DSGE models. Journal of Applied Econometrics, 2015, 30(1).。Kolasa，Rubaszek和Skrzypczyński研究認為DSGE相對成功地預測了美國經濟，其預測效果會明顯優(yōu)于專業(yè)預報者的調查*Kolasa M, Rubaszek M, Skrzypczyński P. Putting the New Keynesian DSGE Model to the Real-Time Forecasting Test. Journal of Money, Credit and Banking, 2012, 44(7).。

然而諸多研究發(fā)現(xiàn)，基于DSGE模型進行的預測從絕對意義上看其準確性非常差，DSGE模型的預測往往是有偏差和無效的，并且校準結果非常差*Kolasa M, Rubaszek M, Skrzypczyński P. Putting the New Keynesian DSGE Model to the Real-Time Forecasting Test. Journal of Money, Credit and Banking, 2012, 44(7).，尤其是往往無法準確地預測出經濟嚴重衰退等極端經濟事件的發(fā)生。Edge和Gurkaynak指出，同其它宏觀模型一樣，中等規(guī)模的DSGE基準模型預測通貨膨脹和GDP增長的效果非常差*Edge R M, Gurkaynak R S. Edge R M, Gurkaynak R S. How Useful Are Estimated DSGE Model Forecasts for Central Bankers?. Brookings Papers on Economic Activity, 2010.。對于DSGE模型的點預測效果，Wolters的研究結論認為DSGE模型低估了點預測附近的不確定性，這就暗含了政府和中央銀行所普遍依賴的DSGE模型往往無法成功預測經濟衰退的發(fā)生，也就難以正確作出相機抉擇的政策*Wolters M H. Evaluating point and density forecasts of DSGE models. Journal of Applied Econometrics, 2015, 30(1).。因此，提高點預測能力是未來DSGE模型預測的研究方向之一。

(三)DSGE模型預測與金融摩擦

DSGE模型的預測能力與外生沖擊的設定、模型的假設、模型的具體形式有密切的聯(lián)系。在Del Negro, Giannoni和Schorfheide所著開創(chuàng)性的文章中，放棄DSGE所假定的金融市場無摩擦，將金融摩擦因素納入DSGE模型中，可以發(fā)現(xiàn)考慮了金融摩擦的基準DSGE模型能夠成功預測金融危機時主要宏觀經濟變量行為*Del Negro M, Giannoni M P, Schorfheide F. Inflation in the great recession and new keynesian models. National Bureau of Economic Research, 2014.。Kolasa和Rubaszek通過美國數(shù)據(jù)對比了包含與不包含金融摩擦的DSGE模型來進行預測結論，研究顯示金融市場不完美性在非危機時期并不必然導致對點預測準確度的一致提升，甚至導致了預測的惡化。相反，引入房地產市場作為金融摩擦的衡量會有效提升DSGE模型預測能力，尤其是較之無摩擦的基準模型和包含公司部門的金融摩擦*Kolasa M, Rubaszek M. Forecasting using DSGE models with financial frictions. International Journal of Forecasting, 2015, 31(1).。Cardani，Paccagnini和Villa通過引入有無金融中介的DSGE模型預測了2001—2013年間美國宏觀經濟變量的行為，研究表明通過引入金融中介DSGE提高了通貨膨脹和短期利率的點預測和密度預測*Cardani R, Paccagnini A, Villa S. Forecasting in a DSGE Model with Banking Intermediation: Evidence from the US. University of Milan Bicocca Department of Economics, Management and Statistics Working Paper, 2015 (292).。

利用經濟中的名義摩擦和實際摩擦來解釋宏觀經濟波動由來已久，金融加速器的概念也由Bernanke，Gertler和Gilchrist提出。但是，直到近年來尤其是美國次貸危機的爆發(fā)，學界才逐漸認識到經濟中小摩擦所導致的巨大宏觀經濟災難，從而將經濟摩擦尤其是金融摩擦引入到政策分析中，而引入金融摩擦DSGE模型的預測理論發(fā)展更為緩慢。

(四)基于模型和數(shù)據(jù)的DSGE模型預測

隨著經濟模型的發(fā)展，非線性逐漸成為了宏觀經濟研究中關注的焦點。傳統(tǒng)的DSGE模型研究通常在變量穩(wěn)態(tài)值附近進行線性化近似，然而正如Del Negro和Schorfheide指出的那樣，當面對一個巨大的外部沖擊時，這種情況較多發(fā)生在新興的市場國家，此時采用線性化近似的研究結論難以得到有效保證。因此，DSGE模型的非線性形式得到發(fā)展以彌補傳統(tǒng)研究的不足*Balcilar M, Gupta R, Kotzé K. Forecasting macroeconomic data for an emerging market with a nonlinear DSGE model. Economic Modelling, 2015, 44.。Balcilar, Gupta和Kotzé考慮了一個非線性DSGE模型的預測能力，運用新興市場國家南非的季度數(shù)據(jù)發(fā)現(xiàn)在大多數(shù)情況下非線性DSGE模型預測能力要優(yōu)于線性DSGE模型和VAR模型*Del Negro M, Schorfheide F. Bayesian macroeconometrics. The Oxford handbook of Bayesian econometrics, 2011.。

除了模型的形式，影響DSGE模型預測能力的另一個重要原因是實時數(shù)據(jù)*實時數(shù)據(jù)(real-time data)，是指未經政府統(tǒng)計機構修正的歷史數(shù)據(jù)。在經濟學研究中，歷史數(shù)據(jù)使用出于許多目的，例如模型檢驗、歷史經濟事件分析和預測，因此如何獲得未經調整的實時數(shù)據(jù)十分關鍵。詳細分析可參見Croushore D, Stark T. A real-time data set for macroeconomists. Journal of econometrics, 2001, 105(1)：111-130.，尤其是實時數(shù)據(jù)的使用。Bache et al.指出DSGE模型的實時預測能夠更好地提高密度預測能力；Smets，Warne和Wouters在新凱恩斯主義DSGE模型的基礎上基于歐元區(qū)的實時數(shù)據(jù)進行了預測*Smets F, Warne A, Wouters R. Professional forecasters and real-time forecasting with a DSGE model. International Journal of Forecasting, 2014, 30(4).。然而Galv?o指出雖然可以利用貝葉斯方法通過實時數(shù)據(jù)進行DSGE模型估計，但是這往往采用嚴重修正的數(shù)據(jù)，與此相反的是，基于條件的預測往往使用的是輕度修正的數(shù)據(jù)*Galv?o A B. Forecasting with DSGE Models in the presence of data revisions. 2013.。

通過對已有文獻梳理可以發(fā)現(xiàn)，基準DSGE模型的預測效果具有很大的不確定性，對于災難性經濟事件的預測往往無法捕捉，這也就是廣泛使用的基準DSGE模型難以預測美國次貸危機等爆發(fā)的根本原因。相反，引入金融摩擦、外部信息等因素修正或者擴展模型假定、非線性模型具體形式，則有效地提高了DSGE模型的預測能力，包括對嚴重經濟衰退事件的捕捉。但是，即便引入金融摩擦等外部因素，DSGE模型在不同時間區(qū)間的預測效果也大相徑庭。因此，DSGE模型設定方面的改進，以及DSGE模型與其它宏觀計量方法的結合，使得基于DSGE模型的預測成為“一個充滿生氣的領域”*Del Negro M, Schorfheide F. DSGE model-based forecasting. Handbook of Economic, 2013.。

三、DSGE模型框架下預測理論發(fā)展及在中國的應用

DSGE模型預測理論的未來發(fā)展，除了在已有研究基礎上繼續(xù)擴展外，不同方法和研究視角的引入同樣可為DSGE模型的預測提供思路。

首先，DSGE模型與實際數(shù)據(jù)的結合對于DSGE預測效果需要提高探討深度。盡管Canova對DSGE模型與原始數(shù)據(jù)的結合進行了分析，但是其僅僅考慮實際數(shù)據(jù)在參數(shù)校準中的作用，并未考慮實際數(shù)據(jù)(尤其是實時數(shù)據(jù)和金融市場數(shù)據(jù))同DSGE模型預測之間的關系*Boivin J, Giannoni M P. Has monetary policy become more effective?. The Review of Economics and Statistics, 2006, 88(3).。其次，擴展的DSGE模型預測能力需要延展提高。基準DSGE模型的擴展除了引入金融摩擦、房地產市場情況，考慮非理性預期與異質性信念理論，不同粘性定價模型，以及模型不確定性和度量誤差對DSGE模型的影響同樣得到了關注，但是將這些理論用于提高DSGE預測能力則鮮有研究。因此，基于不同理論擴展的DSGE模型預測能力是研究的關鍵點和創(chuàng)新點。再次，宏觀計量經濟理論與DSGE模型預測需要融合完善。宏觀計量經濟理論包括估計方法構成了DSGE模型的重要基礎，基于DSGE-VAR模型的預測也發(fā)展起來，但是DSGE模型與宏觀計量模型的結合仍然存在諸多完善之處，例如非正態(tài)分布的外生沖擊和DSGE模型非線性形式對于預測的影響的探討，又如動態(tài)因子模型(DFM)被廣泛用于宏觀經濟學的實證研究中。Kryshko將DSGE模型與DFM模型結合，作為DSGE模型擴展研究*Kryshko M. Data-rich DSGE and dynamic factor models. IMF Working Papers, 2011.。最后，傳統(tǒng)的DSGE模型主要從時域的角度進行實證分析，基于頻域分析DSGE研究也逐漸興起*Qu Z, Tkachenko D. Identification and frequency domain quasi-maximum likelihood estimation of linearized dynamic stochastic general equilibrium models. Quantitative Economics, 2012, 3(1).*Sala L. Dsge Models in the Frequency Domains. Journal of Applied Econometrics, 2015, 30(2).。

中國作為新興發(fā)展經濟體，其經濟結構的特殊性也決定了在構造關于中國DSGE模型時，必須將中國宏觀經濟結構中的特質性因素納入進來，以期對整體經濟有完整的刻畫。目前，中國國內關于DSGE的研究主要集中在模型形式構建和政策效果分析兩個方面，對于如何利用DSGE模型進行預測的研究則較為少見。在模型形式構建方面，李雪松和王秀麗引入了工資粘性，通過金融加速器和工資—價格粘性的DSGE模型，分析了中國勞動力狀況和貨幣政策*李雪松、王秀麗：《工資粘性、經濟波動與貨幣政策模擬——基于 DSGE 模型的分析》，《數(shù)量經濟技術經濟研究》2011年第11期。。王國靜和田國強通過金融市場的摩擦引入，指出金融沖擊是中國宏觀經濟和周期波動的最主要因素*王國靜、田國強：《金融沖擊和中國經濟波動》，《經濟研究》2014年第3期。。康立和龔六堂通過建立一個包含貿易品和非貿易品生產的兩部門開放經濟DSGE模型，并通過包含帶有金融摩擦的銀行部門引入，模擬分析了經濟危機在不同部門的傳導機制*康立、龔六堂：《金融摩擦、銀行凈資產與國際經濟危機傳導——基于多部門 DSGE 模型分析》，《經濟研究》2014年第5期。。在政策效果分析方面，王愛儉和王璟怡基于DSGE模型框架考慮了宏觀審慎政策和貨幣政策的相互關系，并指出在面對大的外部沖擊時，宏觀審慎政策與貨幣政策相互配合并發(fā)揮協(xié)同作用*王愛儉、王璟怡：《宏觀審慎政策效應及其與貨幣政策關系研究》，《經濟研究》2014年第4期。。宋瀟基于“負債—通縮”理論建立一個帶有內生性信貸約束的DSGE型，將資產價格納入信貸約束的傳導機制中，重點分析了國內信貸規(guī)模、資產價格與投資水平之間的相互作用，彌補了我國在這方面理論研究的缺失*宋瀟：《信貸約束、資產價格與通貨緊縮——基于動態(tài)一般均衡模型的分析》，《經濟管理》2015年第9期。。岳娟麗和徐曉偉則探討了中國完成利率市場化后,央行貨幣政策目標利率的選擇問題*岳娟麗、徐曉偉：《基于社會福利的央行貨幣政策目標利率選擇——動態(tài)隨機一般均衡模型下的實證分析》，《 江西財經大學學報》2014年第2期。。

四、結 語

本文對DSGE模型框架下預測理論的發(fā)展進行了文獻梳理，指出預測理論研究的四個主要方向：DSGE-VAR族模型預測、DSGE模型點預測、DSGE模型預測與金融摩擦以及基于模型形式和數(shù)據(jù)的DSGE模型預測。同時，本文也指出了DSGE模型預測未來發(fā)展方向，并在此基礎上考慮到中國宏觀經濟結構的特點和中國國內對于DSGE研究的相對滯后性，明確了構建刻畫中國宏觀經濟特質性的DSGE模型來進行中國宏觀經濟預測是下一步研究方向。

DSGE模型基本結構形式的擴展和預測效果的提升，不僅有助于更好地理解經濟運行狀況，同時也能夠為政府和中央銀行的政策制定提供理論支持和決策參考。從理論方面來看，以提高DSGE預測能力為準則來擴展DSGE模型，可以豐富和發(fā)展DSGE的理論研究；從現(xiàn)實方面來看，深入挖掘DSGE模型的預測能力，對于探討國家政策的有效性、幫助政府決策部門靈活審慎制定和推出各種旨在有效防止經濟嚴重衰退的穩(wěn)定化政策，防止經濟巨大波動而影響社會穩(wěn)定的宏觀經濟調控政策，具有積極的作用。

[責任編輯：張?zhí)N萍]

盧 超，男，東北師范大學經濟學院博士生，研究方向為貨幣金融學；顏 蒙，男，新罕布什爾大學經濟系博士生，研究方向為應用計量經濟學。

F224

A

1002-3909(2017)02-0089-06