主题｜Topic：高维时间序列下的澳大利亚宏观经济预测
时间｜Time：6月3号（周一）｜June 3rd (Monday), 10:00-11:30AM
地点｜Venue：文泰楼206教室｜Class Room 206，WENHTAI
主讲｜Speaker
姜彬博士毕业于澳大利亚莫纳什大学，获得计量经济与商务统计博士学位，现为澳新银行风险模型验证与商务智能部经理。主要负责测试评估银行内客户信用评级模型，各投资组合信用风险压力测试模型以及IFRS 9金融工具框架。为银行内相关业务部门提供商务智能解决方案以帮助他们运用现代机器学习和可视化技术手段建立数码化和自动化的智能报告体系。已在 International Journal of Forecasting, Applied Economics，The BE Journal of Economic Analysis and Policy，Econometrics, Econometric Reviews 等期刊发表学术论文。
研究领域｜Research Interests
统计学、计量经济学
Statistics，Econometrics
摘要｜Abstract
运用大量的预测变量进行宏观经济预测是当下很流行方法。多种针对这种高维数据集的正则化和收缩方法已经被证明可以提高美国经济预测的准确性。为了评估类似结果是否适用于具有不同特征的经济体，我们引入一个包含151个澳大利亚总体和局部的经济指标以及185个国际宏观变量的宏观数据集，并进行了广泛的实证研究。具体来讲，我们考虑了多种正则化和收缩方法并运用在不同数量的预测因子的信息集上，来研究不同时段的预测。与其他国家相比，研究结果表明，与一些简单的预测基准相比，这些统计学习方法并不能更准确地预测澳大利亚核心的宏观经济指标。与其他研究一致，我们还发现，当预测变量的数量超过20以后预测准确性的提升并不显著，而且国际变量指标似乎对预测没有很大帮助。
