AWM数据指标库的优化构建方法

(一)基本原则：指数法

从欧元区各国的国别数据到“一个欧元区总体”的总量数据，AWM数据指标库汇总方法所遵循的基本原则为指数法，设定任意变量X的对数指数为：

其中Wi为权重向量的系数^[3]，表示Xi在总量XZ中的权重，对于名义变量与实际变量而言，大部分均采取了这样的算法，例如平减指数和以收入法核算的GDP等。值得一提的是，上述权重Wi的设定通常是基于以购买力表征的GDP，以此反映各个国家之间的差异。当然如果并非所有相关国家的数据都符合要求，则权重需要进行调整。

对于有些变量，比如比率类的总量指标则通常采取求和平均，而没有运用对数的形式，尤其体现在对欧元区利率总量指标的建构上，具体下文将有所涉及。

只有当年度数据可用但部分季度数据缺失时，才会将年度数据转化并以插入的形式补足空缺，具体可使用Chow-Lin Procedure或者卡尔曼滤波的方法。如果没有指标满足上述方法的要求，则通过三次样条(Cubic Spline)插值法来实现。

(二)重构数据：基于欧盟央行的月度公报的再调整

在以上述指数法构建AWM数据指标后，由于部分变量原始数据的多数据来源等问题，需要对此时的相关数据进行再调整，以保持其与欧洲央行月度公报或者欧洲统计局的数据符合一致性要求。通常有两种方法可以修补，一是使用公共的欧元区官方数据完全替代原始的国家数据，二是基于时间序列跨度要求将上述官方数据与AWM本身的数据相结合。第二种方法在处理二者间平衡时基于欧洲总量数据构建的主旨，将主要偏重欧洲央行月度公报或者欧洲统计局的公开数据。

当然对于AWM数据指标库所涵盖的各个变量，所采取的重构方法并不一样，需要结合实际情况具体分析。针对本书研究对象以及金融加速器特性的DSGE模型，下文仅以模型所涉及的相关变量为例来说明：

(1)实际GDP：该指标主要来自欧洲统计局，这本身也是欧洲央行月度公报数据的来源。对部分早期年份的历史数据则首先以1995年的欧元货币单位ECU(European Currency Unit)^[4]为基准进行调整，然后再根据AWM原始数据源的增长率进行转换。

(2)GDP平减指数：直接取自相应的欧洲央行月度公报。(www.xing528.com)

(3)家庭劳动力数量：主要来自欧洲央行月度公报，较早年份间的历史数据则根据增长率进行了调整。

(4)无风险利率：来源于欧盟央行月度公报，对于早期历史数据的处理则是取自于国际清算银行数据库BIS以及欧盟委员会的AMECO(Annual Macro-Economic Database)数据库以代替国别数据。市场平均回报率则完全取自于欧洲央行月度公报。

(三)其他的调整及说明

除上述数据重构外，还有一些因素需要考虑以使数据更加适用于经济学分析。

1.季节调整

如上文所述，AWM数据指标库中带有明显季节性因素的数据都经过了贝尔实验室SABL方法调整以保持相对稳定性。

2.单位说明

数据的单位标注遵循欧洲统计局或者欧洲央行的转化规则。如GDP平减指数是以1995年为基期1计算。家庭劳动力数量等则以每单位1 000人表示。