首页 >>  正文

数据缺失值的处理方法是

来源:baiyundou.net   日期:2024-09-24

  1月10日,中信建投研报指出,去年12月的社会融资数据即将于2024年1月10日发布。我们的动态因子预测模型显示,2023年12月的社融存量同比增速的预测值为9.38%,总体来看稳中向好。模型的动态预测值整体上呈现先增后减趋势。动态因子模型的核心思想在于随着宏观变量陆续发布,预测逐渐朝着真实值的方向趋近。我们的动态预测结果显示,本次即将发布的预测值,自2023年12月14日的9.37%提升至9.50%,后滑落至9.38%。

  全文如下

  中信建投 | 社融数据即将发布,预测趋势稳健向好

  去年12月的社会融资数据即将于2024年1月10日发布。我们的动态因子预测模型显示,2023年12月的社融存量同比增速的预测值为9.38%,总体来看稳中向好。

  模型的动态预测值整体上呈现先增后减趋势。动态因子模型的核心思想在于随着宏观变量陆续发布,预测逐渐朝着真实值的方向趋近。我们的动态预测结果显示,本次即将发布的预测值,自2023年12月14日的9.37%提升至9.50%,后滑落至9.38%。

  去年12月的社会融资数据即将于2024年1月10日发布。我们的动态因子预测模型显示,2023年12月的社融存量同比增速的预测值为9.38%,总体来看稳中向好。

  模型的动态预测值整体上呈现先增后减趋势。动态因子模型的核心思想在于随着宏观变量陆续发布,预测逐渐朝着真实值的方向趋近。我们的动态预测结果显示,本次即将发布的预测值,自2023年12月14日的9.37%提升至9.50%,后滑落至9.38%。

  宏观经济数据建模面临多个复杂的挑战,比如数据公布时间不同步,数据中存在缺失值等。另一个是截面维度的高度,即在同一时间点上大量的经济变量的高度相关性使得模型需要更复杂的处理方法。此外,宏观经济数据的频率不一致和数据发布滞后都为建模带来一定困难。

  实时预测(Nowcasting)是解决上述问题的理想方案之一。Nowcasting模型可以理解成主成分回归(PCR)和向量自回归(VAR)模型的有机结合。主成分回归的方法利用高维宏观时序数据预测单一时序指标,而动态因子模型较主成分分析的因子的区别在于,前者对于因子结构的额外增加了 p 阶VAR的时序结构限制,为了避免过度参数化,防止过拟合现象。模型依据实际发布日期,整理不同类别的时间序列数据,解决发布不同步的问题;使用卡尔曼滤波或者平滑等技术来处理经济数据中的缺失值,提高模型对整体数据集的利用效率;采用动态因子模型,把高维模型进行降维,降低高维度数据对模型的负担,提高效率;将不同频率的经济数据进行插值或转换,解决数据频率不一致。

  动态因子模型的核心思想在于随着宏观变量陆续发布,预测逐渐朝着真实值的方向趋近。在过去一年,我们的模型预测值成功地实现了对真实值的有效收敛。模型除包含基本面宏观数据外,还纳入了中债收益率的市场交易数据。这使得模型不仅涵盖了宏观经济的基本面,还包括了市场交易者对数据真实值的预期。

  近期的模型结果显示,社融同比的2023年12月的预测值为9.38%,几乎与2023年11月持平。自2023年12月13日的9.37%提升至9.50%,后滑落至9.38%,整体上呈现先增后减的趋势。

  预测精度方面,我们采取RMSE(均方根误差)衡量模型的预测精度,除个别极端情况周期外,模型滚动一年RMSE整体在0.26%-0.40%之间波动,预测值与真实值差距几乎控制在0.40%以内,模型的预测同比增速变动方向正确率高于60%。

(文章来源:界面新闻)

","gnid":"966511a685ea0d23d","img_data":[{"flag":2,"img":[{"desc":"","height":"200","title":"","url":"https://p0.ssl.img.360kuai.com/t0132a4b7b49da597a7.jpg","width":"1080"}]}],"original":0,"pat":"art_src_1,fts0,sts0","powerby":"pika","pub_time":1704848288000,"pure":"","rawurl":"http://zm.news.so.com/8906b133d132226ff0de00c34a69845f","redirect":0,"rptid":"09e68f93b2f439f0","rss_ext":[],"s":"t","src":"天天基金","tag":[{"clk":"keconomy_1:中信建投","k":"中信建投","u":""}],"title":"中信建投:社融数据即将发布 预测趋势稳健向好

羿杰潘3618spss数据录入时缺失值怎么处理 -
惠贵进18260416826 ______ 录入的时候可以直接省略不录入 分析的时候也一般剔除这样的样本.但也有替换的方法,一般有: 均值替换法(mean imputation),即用其他个案中该变量观测值的平均数对缺失的数据进行替换,但这种方法会产生有偏估计,所以并不被推崇...

羿杰潘3618SPSS录入时缺失值的处理 -
惠贵进18260416826 ______ 去百度文库,查看完整内容> 内容来自用户:愤怒的小燕 spss数据录入时缺失值怎么处理 录入的时候可以直接省略不录入 分析的时候也一般剔除这样的样本.但也有替换的方法,一般有: 均值替换法(mean imputation),即用其他个案中该...

羿杰潘3618在数理统计数据处理中,如何去除错误的数据?
惠贵进18260416826 ______ 一般连续数据中错误的数据(比如GDP序列中某一年数据错误),那么会把错误的数据当做缺失值,然后用其他方法填补之.如果是调查问卷中的错误数据,一般整份问卷作废.如果是成本很高的问卷,那可以另当别论,特殊处理.

羿杰潘3618在数据装载中,如果有数据明显不符合逻辑取值,可以采用处理缺失值的...
惠贵进18260416826 ______ 那是你数据中有缺失值存在,我可以帮您查看.

(编辑:自媒体)
关于我们 | 客户服务 | 服务条款 | 联系我们 | 免责声明 | 网站地图 @ 白云都 2024