预测

EViews提供两种预测方式，一种是动态预测（Dynamic forecast），一种是静态预测（Static forecast）。本教程主要介绍计量方法在EViews中的实现，所以，原理我就不展开讲，你若感兴趣可查看EViews的说明手册。简单来讲，动态预测主要用于真实的样本外预测（out-of-sample forecast），而静态预测主要用于伪样本外预测（pseudo out-of-sample forecast），它能帮助我们评估模型的预测精度。

动态预测

假设我们现在的目标是对demo.wf1中的gdp的对数差分进行真实的样本外预测：预测其1997Q1至1997Q4的值，实施预测需要分以下几步走：一、利用命令pagestruct把数据的Range的结束期扩充到1997Q4，否侧，预测值没有地方存；二、利用已有的数据估计一个用于预测的ARMA模型；三、设定要预测的样本期，利用命令forecast进行预测。实施预测的代码如下：

series dlgdp = dlog(gdp)
pagestruct(start=1952q1,end=1997q4)  '扩充Range
smpl 1952q1 1996q4                   '选定用于估计模型的样本
equation eq1.ls(arma=cls,cov=white) dlgdp c ar(1 to 2) ma(1)
smpl 1997q1 1997q4                   '设定要预测的样本期
eq1.forecast(f=na,g) dlgdpf          '实施动态预测

forecast后的dlgdpf是用于存放预测值的series对象，可以取其他的名字。可选参数f=na（即fill之意）的含义是除了预测的样本期外（其中放预测值），dlgdpf中的其他时期都设为NA，如果没有这个设定，dlgdp中的其他时期会放入dlgdp的实际值。我个人偏好f=na这个设定。可选参数g(即graph之意)的含义是画出预测值的时间序列图，缺失的话就不画。

静态预测

假设当前有若干个备选的ARMA模型，我们想要挑一个用于预测，此时，我们可以比较它们的预测精度(评价模型预测能力的指标)。常用的衡量预测精度的指标有根均方误差（root mean squared error）、平均绝对误差（mean absolute error）和平均绝对百分比误差（mean absolute percentage error）。这些指标可以通过伪样本外预测计算。以上面的ARMA(2,1)模型为例，要获得三个指标的数值，我们可以这样做：

smpl 1952q1 1979q4     '选定用于估计模型的样本
equation eq1.ls(arma=cls,cov=white) dlgdp c ar(1 to 2) ma(1)
smpl 1980q1 1996q4     '设定要预测的样本期
eq1.fit(e) dlgdpf      '实施静态预测

预测的样本期内，fit命令会滚动进行一步向前预测（one-step ahead forecast），由于dlgdp的真实值已知，可以算出所有的一步向前预测误差，进而估计出上述三个(基于一步向前预测的)指标。fit的可选参数e(即evaluation之意)会让EViews报告上述三个指标的估计值，如下图所示：

红框部分即是三个指标的值。fit的可选参数也可加f=na或g，含义与使用forecast命令的情形相同。

动态预测或静态预测也可通过鼠标操作实施，估计完一个模型后，点击equation对象窗口上的forecast按钮会弹出一个对话框，根据提示操作即可。

命令复习

• smpl：设定样本
• pagestruct：改变现有数据的起始期等结构
• .forecast：实施动态预测
• .fit：实施静态预测

[注] ( . )命令表示命令可单独使用，也可跟在对象后使用；.命令表示命令只能跟在对象后使用。

练习

1. 对demo.wf1中的变量m1，取其对数差分作为一个变量，自选一个ARMA模型实施一遍动态预测和静态预测。