魏宇 楊惠 梅德祥

摘 要：電影產(chǎn)業(yè)在我國經(jīng)濟發(fā)展中的作用日益顯著，電影市場與我國宏觀經(jīng)濟發(fā)展的內(nèi)在聯(lián)系有待深入研究。選取2012年1月到2018年3月我國周度電影票房收入增速作為高頻解釋變量，采用自回歸分布滯后混頻數(shù)據(jù)抽樣模型（ADL-MIDAS）分析其與季度GDP增速及月度制造業(yè)PMI增速之間的關系，結果表明：電影票房收入增速與GDP增速和制造業(yè)PMI增速之間具有負向相關關系，我國電影市場存在“口紅效應”，可以根據(jù)電影票房收入增長情況對宏觀經(jīng)濟走勢做出預判。對多種模型的比較結果顯示，加入電影票房收入可以顯著提高GDP預測精度，電影票房收入可以作為GDP預測指標體系的有益補充。

關鍵詞：電影票房收入；宏觀經(jīng)濟走勢；季度GDP增速；月度制造業(yè)PMI增速；GDP預測；口紅效應；自回歸分布混頻數(shù)據(jù)抽樣模型；高頻變量

中圖分類號：F224.0；F064.1 文獻標志碼：A 文章編號：1674-8131（2018）05-0117-08

一、引言

分析、預測宏觀經(jīng)濟總量和走勢對政府、企業(yè)和社會公眾而言都是極其重要的，如何準確、及時、有效地預測宏觀經(jīng)濟發(fā)展是眾多國內(nèi)外學者持續(xù)關注的重要課題（Barsoum et al，2015）[1]。但鑒于GDP數(shù)據(jù)公布的頻率較低、時滯較長，學者們通常僅采用月度或季度宏觀經(jīng)濟變量來預測我國季度GDP增速。同時，傳統(tǒng)預測模型（如ARIMA、BP神經(jīng)網(wǎng)絡）無法將不同頻率的變量直接進行計量回歸，通常需要采用插值法或加總法對原始數(shù)據(jù)進行處理，顯然這種粗糙的處理方式會損失大量的樣本信息，降低模型估計和樣本外預測的可信度。此外，傳統(tǒng)預測模型對于數(shù)據(jù)頻率一致性的限定也使得大數(shù)據(jù)背景下產(chǎn)生的高頻經(jīng)濟數(shù)據(jù)無法及時、有效地運用到季度GDP預測中。而混頻數(shù)據(jù)抽樣模型（Mixed Data Sampling，MIDAS）的出現(xiàn)，使得將不同頻率的經(jīng)濟變量置于同一計量模型中進行回歸成為可能（Schumacher，2016）[2]。

近幾年，國內(nèi)外學者已將MIDAS模型運用于宏觀經(jīng)濟預測，現(xiàn)有研究結果一致表明MIDAS模型不僅可以高效地利用高頻變量中的有效信息估計低頻變量，而且能夠改善預測效果、提高預測精度。例如，龔玉婷等（2014）采用MIDAS模型對CPI短期走勢的預測發(fā)現(xiàn)，相對于傳統(tǒng)的月度時間序列建模方法，MIDAS模型具有更高的樣本內(nèi)解釋能力和樣本外預測能力[3]；Bessec和Bouabdallah（2015）建立馬爾科夫區(qū)制轉換—因子混頻數(shù)據(jù)抽樣模型（Markov Regime Switching Factor MIDAS，MS-FA MIDAS）對美國GDP的估計和預測發(fā)現(xiàn)，該模型能夠通過刻畫GDP增長率與高頻金融變量之間的關系準確監(jiān)測經(jīng)濟衰退，具有較高的樣本內(nèi)估計效應[4]；尚玉皇和鄭挺國（2016）基于MIDAS模型建立混頻短期利率波動模型，認為該模型不僅能夠識別通貨膨脹等宏觀因子對短期利率影響的長期成分，而且在短期利率樣本外預測方面比樣本內(nèi)估計表現(xiàn)更好[5]；Jiang等（2017）采用月度宏觀因子和日度金融變量對我國季度GDP的預測發(fā)現(xiàn)，MIDAS模型比傳統(tǒng)預測模型具有更高的預測精度，能夠更加完整、有效地利用高頻變量中包含的信息來預測季度GDP[6]；Pan等（2018）運用時變參數(shù)MIDAS模型（Time-Varying Parameter MIDAS，TVP-MIDAS）探究原油價格對美國實際GDP增長率的預測效果，結果表明其預測精度顯著高于傳統(tǒng)同頻預測模型[7]。

同時，GDP預測指標也由傳統(tǒng)的宏觀月度變量轉變?yōu)楦佣嘣奈⒂^高頻變量。例如，劉漢和劉金全（2011）采用MIDAS模型分時段探究投資、消費、進出口等主要月度宏觀變量對我國季度GDP的預測作用，發(fā)現(xiàn)出口是造成國際金融危機時期我國經(jīng)濟增長減速的主要原因[8]；Mikosch和Zhang（2014）采用MIDAS模型比較了多種金融變量對我國季度GDP的短期預測效果，發(fā)現(xiàn)深證綜合指數(shù)的預測效果比上證綜合指數(shù)和香港指數(shù)更好[9]；劉濤雄和徐曉飛（2015）在傳統(tǒng)宏觀經(jīng)濟變量的基礎上加入與投資、消費、凈出口、政府購買和就業(yè)相關的百度搜索指數(shù)對季度GDP進行預測，發(fā)現(xiàn)加入百度搜索指數(shù)可以有效提高季度GDP預測效果[10]；王維國和于揚（2016）采用MIDAS模型研究投資、進出口、消費和房地產(chǎn)對我國季度GDP的影響和解釋能力，發(fā)現(xiàn)不同類型的宏觀經(jīng)濟變量對季度GDP的影響路徑不同，近年來房地產(chǎn)行業(yè)逐漸成為拉動經(jīng)濟增長的重要動力源泉[11]；李曉軒等（2017）探討我國A股上市公司的會計盈余、市場估值與經(jīng)濟增長之間的關系，發(fā)現(xiàn)上市公司總體會計盈余季度增長率和總體賬面市值比均可較好地預測我國季度GDP增長率，但后者的預測能力相對較弱[12]。魏 宇，楊 惠，梅德祥：我國電影票房收入增長對GDP增速的預測作用

隨著我國經(jīng)濟的快速發(fā)展和人們生活水平的不斷提高，觀看院線電影作為一種時尚的娛樂消費方式逐漸成為人們?nèi)粘Ｉ缃弧⑸钪胁豢苫蛉钡囊徊糠?。?002年電影院線制改革以來，我國電影票房收入和觀影人次均實現(xiàn)了高速增長，2017年國內(nèi)電影票房總收入達79億美元，2011—2017年國內(nèi)電影票房收入年復合增長率達28.44%。電影產(chǎn)業(yè)在我國經(jīng)濟發(fā)展中具有越來越重要的作用，因而研究電影市場與我國宏觀經(jīng)濟發(fā)展的內(nèi)在聯(lián)系十分重要。關于電影票房與宏觀經(jīng)濟的關系，國外研究發(fā)現(xiàn)，在20世紀30年代美國大蕭條期間，在企業(yè)倒閉、失業(yè)加劇、經(jīng)濟停滯的情況下，人們對物質消費的邊際需求逐漸減少，對文化消費的邊際需求日益增加，而電影恰好迎合了此時人們宣泄壓抑、逃避現(xiàn)實和消遣娛樂的心理需求，電影票房的表現(xiàn)要好于宏觀經(jīng)濟（王瑞，2009）[13]。另外，在美國7次經(jīng)濟不景氣中有5次均出現(xiàn)了電影票房的大幅上升，進一步佐證了電影票房具有“口紅效應”“口紅效應”得名于一種有趣的經(jīng)濟現(xiàn)象：在美國經(jīng)濟不景氣時，口紅的銷量反而會直線上升。在經(jīng)濟不景氣的情況下，人們的收入降低但仍然會有強烈的消費欲望，所以會轉而購買比較廉價的商品；口紅作為一種“廉價的非必要之物”，可以對消費者起到一種“安慰”的作用。 。近年來，隨著我國經(jīng)濟的快速發(fā)展和第三方購票平臺的迅速崛起，電影逐漸成為一種相對廉價、普通的文化消費方式，受到社會大眾的廣泛青睞。那么，“口紅效應”在我國是否存在？電影能否成為在經(jīng)濟增速放緩時給予人們信心和力量的一支“口紅”？有待實證檢驗。

然而，由于我國電影產(chǎn)業(yè)的數(shù)據(jù)獲取困難、頻率較低、樣本量較少，使得已有研究大多僅局限于定性分析，鮮見定量刻畫我國電影票房與宏觀經(jīng)濟內(nèi)在聯(lián)系的文獻。隨著大數(shù)據(jù)時代的來臨，電影票房高頻數(shù)據(jù)的搜集和獲取相對容易，數(shù)據(jù)頻率也由以往的年度、季度和月度擴展到更為詳細的周度、日度，這為定量分析電影票房與宏觀經(jīng)濟間的內(nèi)在關系提供了數(shù)據(jù)便利。因此本文選取電影票房收入作為我國文化產(chǎn)業(yè)發(fā)展的微觀表現(xiàn)，以周度電影票房收入增速作為高頻解釋變量來預測我國季度GDP增速，采用自回歸分布滯后混頻數(shù)據(jù)抽樣模型（Auto-regressive Distributed Lag MIDAS，ADL-MIDAS）驗證我國電影票房的“口紅效應”，并為我國GDP預測指標的選取提供新的視角，同時也為進一步研究文化產(chǎn)業(yè)與經(jīng)濟發(fā)展之間的內(nèi)在關聯(lián)提供方法借鑒。

二、模型設定、指標選取與數(shù)據(jù)處理

本文采用五種不同類型的權重函數(shù)構建的ADL-MIDAS模型和非限制性MIDAS模型來探究電影票房收入對季度GDP的預測效果。根據(jù)高頻解釋變量的經(jīng)濟含義和波動特點，經(jīng)篩選和比較后，選擇26階作為高頻解釋變量的最大滯后階數(shù)。同時，參照Smith（2016）的研究[15]，在保證系數(shù)的T統(tǒng)計量和模型的F統(tǒng)計量顯著的基礎上，參照AIC準則、BIC準則、RMSE和MSFE最小、擬合度和對數(shù)極大似然值最大的原則，選取解釋變量的最優(yōu)滯后階數(shù)和最優(yōu)權重函數(shù)，并通過比較三種不同類型的估計窗口下ADL-MIDAS模型的預測效果，選取最佳的估計窗口類型進行模型回歸。另外，本文采用傳統(tǒng)的時間序列模型（ARIMA模型）作為基準模型（Benchmark），比較單變量ADL-MIDAS模型和多變量組合模型的季度GDP預測效果。

本文將周度電影票房收入增速作為高頻解釋變量，季度GDP增速作為低頻被解釋變量，運用ADL-MIDAS模型對兩者之間的關系進行樣本內(nèi)估計和樣本外預測。同時，考慮到月度宏觀經(jīng)濟變量的經(jīng)濟意義和作用，參照王維國和于揚（2016）的研究[11]，選取固定資產(chǎn)投資完成額增速、社會消費品零售總額增速、進出口總額增速這三個宏觀經(jīng)濟指標作為控制變量來進行實證研究。另外，為了增強實證結論的穩(wěn)健性，選取制造業(yè)PMI增速作為被解釋變量，進一步驗證我國電影票房收入增速對宏觀經(jīng)濟增長的預測效果。本文選取的變量均為名義同比增長率，數(shù)據(jù)的時間區(qū)間為2012年1月至2018年3月，變量定義與數(shù)據(jù)來源如表1所示。

為了檢驗各高頻解釋變量與季度GDP增速之間是否存在先行滯后關系，本文采用Ghysels等（2007）提出的MIDAS模型下的格蘭杰因果檢驗方法[16]，檢驗各高頻解釋變量在滯后1階和超前1階時的回歸系數(shù)β1是否顯著區(qū)別于0。從表2中格蘭杰因果檢驗的結果可以看出，各高頻解釋變量的回歸系數(shù)β1均顯著區(qū)別于0，表明各高頻解釋變量均與季度GDP增速之間存在格蘭杰因果關系。變量的描述性統(tǒng)計和平穩(wěn)性檢驗結果如表3所示，從表3中ADF檢驗的結果可以看出，本文選取的各變量均為平穩(wěn)時間序列。

三、實證結果

1.電影票房收入增速對經(jīng)濟增速的樣本內(nèi)估計分析

首先，采用ADL-MIDAS模型對電影票房收入增速與季度GDP增速的關系進行樣本內(nèi)估計。選取樣本的2/3進行樣本內(nèi)估計，窗口長度為17個樣本數(shù)據(jù)。通過比較不同估計窗口和滯后階數(shù)下的樣本內(nèi)估計效果，選取擬合度最高的多項式Almon權重函數(shù)，設定ADL-MIDAS模型進行實證回歸，實證結果如表4所示。在滾動窗口下電影票房收入增速滯后13階的多項式Almon權重函數(shù)構建的ADL-MIDAS模型的均方根誤差最?。≧MSE= 0.017）、模型最優(yōu)。最優(yōu)模型的樣本內(nèi)參數(shù)估計結果如表5所示。

從表5可以看出，模型所有參數(shù)在5%水平上顯著，模型的擬合度較高（R2=0.960），模型對數(shù)據(jù)整體擬合程度較好。變量“電影票房收入增速”的斜率參數(shù)顯著為負（β1= -0.019），表明滯后期（13周）內(nèi)的電影票房收入增速與下一季度的GDP增速的綜合關系為負，即電影票房收入增速越高，下一季度的GDP增速越低。產(chǎn)生這一現(xiàn)象可能的原因在于，電影產(chǎn)業(yè)作為服務業(yè)中極具“造夢”功能的產(chǎn)業(yè)之一，能夠使生活在壓力下的人們在觀影后獲得溫暖與力量，重燃生活熱情，增強克服困難的勇氣，成為經(jīng)濟增速放緩時人們緩解現(xiàn)實壓力和宣泄情感的心靈避風港，從而造成經(jīng)濟增速回落時電影票房收入快速增加，即電影票房收入增速與宏觀經(jīng)濟增速呈反向變化關系。而在經(jīng)濟高速發(fā)展、人均可支配收入快速增加時，人們對生活質量的更高追求使得旅游和奢侈品等其他大額消費的支出增加，而對類似于觀看電影等的“廉價的非必要之物”的消費需求減少。

為了從經(jīng)濟意義上進一步驗證上述結論的可靠性，將反映經(jīng)濟景氣程度的月度制造業(yè)PMI增速作為低頻被解釋變量、周度電影票房收入增速作為高頻解釋變量，運用ADL-MIDAS模型進行樣本內(nèi)估計。通過比較不同估計窗口和滯后階數(shù)下的估計效果，最終選擇滾動窗口下電影票房收入增速滯后12階Beta多項式權重函數(shù)構建的ADL-MIDAS模型進行樣本內(nèi)估計。最優(yōu)模型的參數(shù)估計結果如表6所示。模型所有參數(shù)在5%水平上顯著，變量“電影票房收入增速”的斜率參數(shù)顯著為負（β1= -0.025），即周度電影票房收入增速與月度制造業(yè)PMI增速的綜合關系為負，電影票房收入的快速增加（或減少）將伴隨制造業(yè)PMI的降低（或升高）。這一結論與前文結論保持一致，因此可以推斷，電影票房收入增速的確對宏觀經(jīng)濟增速具有反向關系，進而對未來的GDP增速變化具有明顯的預測作用。

2.電影票房收入對季度GDP增速的樣本外預測檢驗

為了從統(tǒng)計意義上增強本文實證結果的穩(wěn)健性，進一步對比三種不同樣本外預測長度下ADL-MIDAS模型的GDP增速預測效果。參照Pan等（2018）的研究方法[7]，設定總樣本長度（記為L）的1/4、1/3和1/2作為樣本外預測長度，即被解釋變量“季度GDP增速”最后的6、8和13個樣本數(shù)據(jù)。高頻變量的最優(yōu)滯后階數(shù)、估計窗口、最優(yōu)權重函數(shù)的確定方法與前文類似，不同樣本外長度下的最優(yōu)模型的樣本外預測結果如表7所示。改變樣本外預測的長度并不會改變模型主要參數(shù)的回歸結果，在不同的樣本外預測長度下，模型各參數(shù)的符號和顯著性均保持一致，周度電影票房收入增速與季度GDP增速的關系也始終保持為負，說明本文實證結果具有良好的穩(wěn)健性。

3.季度GDP增速的多變量組合預測

由于單變量預測模型的預測精度往往會隨著樣本數(shù)量或預測區(qū)間的不同而改變，進一步采用多變量組合預測（Forecasting combination）的方式來獲得更加穩(wěn)定、高效的季度GDP增速預測模型。依次采用固定資產(chǎn)投資完成額增速、社會消費品零售總額增速、進出口總額增速和電影票房收入增速對季度GDP增速進行樣本外預測。采用前文所述方法確定估計窗口、最優(yōu)滯后階數(shù)、最優(yōu)權重函數(shù)，分別選擇固定窗口下固定資產(chǎn)投資完成額增速滯后6階的指數(shù)Almon權重函數(shù)、固定窗口下社會消費品零售總額增速滯后12階的Beta權重函數(shù)、滾動窗口下進出口總額增速滯后12階的指數(shù)Almon權重函數(shù)、滾動窗口下電影票房收入增速滯后13階的Almon權重函數(shù)，作為ADL-MIDAS預測模型的設定基礎進行實證回歸。圖1展示了各高頻解釋變量的最優(yōu)權重函數(shù)的權重估計結果。

從圖1可知，固定資產(chǎn)投資完成額增速對季度GDP增速存在6階（即6個月）滯后效應，且各滯后項前面的系數(shù)為正并在第3階后趨近于0，表明當季三個月的固定資產(chǎn)投資完成額增速對下一季度GDP增速的影響效應為正，而后，各階的權重系數(shù)逐漸趨向于0；社會消費品零售總額增速和進出口總額增速對季度GDP增速均存在12階（即12個月）滯后效應，并且隨著滯后階數(shù)的增加各階權重系數(shù)值逐漸減少，并在第6階（即半年）后趨近于0；電影票房收入增速對季度GDP增速存在13階（即13周）滯后效應，當季前3周和后5周的電影票房收入增速對下一季度GDP增速的影響效應為負，當季第4周到第8周的電影票房收入增速對下一季度GDP增速的影響效應為正。

在此基礎上，參照Andreou（2016）的研究[17]，分別采用AIC、BIC、MSFE、DMSFE、等權重這五種形式的組合預測方法進行樣本外預測，并最終選取ARIMA（2，1，1）模型作為基準模型進行預測效果比較。同時，為了檢驗加入電影票房收入增速是否有助于提高模型的預測精度，設定兩種組合預測模式進行比較分析：組合1為三個月度宏觀因子對季度GDP增速的組合預測；組合2為三個月度宏觀因子加電影票房收入增速對季度GDP增速的組合預測。參照Yu等（2018）的研究[18]，本文采用MSFE、RMSE、MAPE這三種損失函數(shù)指標衡量各個組合預測模型的預測精度，結果如表8所示。

從表8可以看出：首先，各種組合預測得到的預測誤差均顯著小于基準模型（ARIMA）的預測誤差，表明基于混頻數(shù)據(jù)的組合預測方法可以顯著提升對我國季度GDP增速的預測精度。其次，加入電影票房收入增速后的組合預測模型（即組合2）的預測誤差，在三種損失函數(shù)指標下均明顯低于沒有加入電影票房收入增速的組合預測模型（即組合1），這一結果再次證明電影票房收入增速可以作為新的預測因子加入GDP增速預測實踐中。這是因為周度電影票房收入增速作為微觀高頻變量能夠為季度GDP增速預測提供除宏觀經(jīng)濟因素外的更多更有效的增量信息，進而改善模型預測效果。最后，在各種組合預測權重的選擇方式中，基于MSFE的加權方法不但在其本身的損失函數(shù)中取得了最高的預測精度，而且在RMSE和MAPE損失函數(shù)下也獲得了最小的預測誤差，說明該權重選擇方法在我國GDP增速的組合預測中具有較好的穩(wěn)健性。

四、結論與啟示

近年來的相關實證研究發(fā)現(xiàn)，MIDAS方法在估計混頻經(jīng)濟變量間的關系和預測宏觀經(jīng)濟走勢方面表現(xiàn)優(yōu)異，這使得MIDAS模型逐漸為成為計量經(jīng)濟學界研究不同頻率經(jīng)濟變量間關系的熱點模型之一。本文運用ADL-MIDAS模型對我國電影票房收入增速與季度GDP增速以及制造業(yè)PMI增速的關系進行實證分析，結果表明無論是對于宏觀經(jīng)濟總量（GDP）還是宏觀經(jīng)濟先行指標（PMI），前期電影票房收入都與其呈負向相關關系，因此，電影票房收入對宏觀經(jīng)濟走勢具有較好的預測效果。同時，也在一定程度上驗證了我國電影市場“口紅效應”的存在。電影作為一種相對廉價的文化消費產(chǎn)品，在經(jīng)濟放緩時能夠滿足消費者渴求心理慰籍和緩解現(xiàn)實壓力的精神需求，因而，相對于放緩的宏觀經(jīng)濟增長而言，電影票房表現(xiàn)強勁，具有逆勢而上的特點（李法寶，2009）[19]。電影票房收入高速增長可能是宏觀經(jīng)濟增速放緩的前兆，監(jiān)管部門、金融機構和廣大投資者可以將其作為反映宏觀經(jīng)濟景氣程度的一種簡單和直觀的先行參考指標，根據(jù)電影票房收入增長情況對經(jīng)濟發(fā)展狀況做出預判，進而及時發(fā)現(xiàn)經(jīng)濟增長放緩的主觀和客觀原因，提前做好相關部署。

另外，在傳統(tǒng)的月度宏觀經(jīng)濟變量中加入電影票房收入數(shù)據(jù)能夠顯著提高GDP預測精度，改善模型預測效果。電影票房收入增速作為一種微觀高頻變量，能夠更為精確和靈敏地刻畫出人們對于宏觀經(jīng)濟基本面的心理預期，從而為季度GDP預測提供更為豐富和準確的預測信息，提高模型的預測精度?；诒疚牡难芯拷Y果，在未來的GDP預測研究中，除了加入傳統(tǒng)的月度宏觀預測因子外，還可以考慮加入其他類型的經(jīng)濟指標（例如消費信貸、物流總量、出境旅游人數(shù)）或非經(jīng)濟指標（例如來自于社會學和人口學的相關測度指標），從而構建更加精確、靈敏的GDP預測指標體系和模型。

最后，本文實證結果表明，相比單變量ADL-MIDAS預測模型而言，多變量的組合預測方法具有更高的預測精度，其中以MSFE為權重選取標準的組合預測效果最好。相比于傳統(tǒng)預測模型，混頻抽樣模型可以提取和利用高頻經(jīng)濟數(shù)據(jù)中更多有價值的信息，有助于更好地預測宏觀經(jīng)濟走勢。但由于我國電影票房收入高頻數(shù)據(jù)樣本量較少，季度GDP增速的樣本外預測長度較短，本研究中ADL-MIDAS模型預測精度的穩(wěn)健性有待進一步驗證，這一不足將在未來的研究中加以改善。

參考文獻：

[1] BARSOUM F， STANKIEWICZ S. Forecasting GDP growth using mixed-frequency models with switching regimes[J]. International Journal of Forecasting，2013，31（1）：33-50.

[2] SCHUMACHER C. A comparison of MIDAS and bridge equations[J]. International Journal of Forecasting， 2016， 32（2）：257-270.

[3] 龔玉婷，陳強，鄭旭.基于混頻模型的CPI短期預測研究[J].統(tǒng)計研究，2014，31（12）：25-31.

[4] BESSEC M，BOUABDALLAH O. Forecasting GDP over the business cycle in a multi-frequency and data-rich environment[J]. Oxford Bulletin of Economics & Statistics，2015，77（3）：360-384.

[5] 尚玉皇，鄭挺國.短期利率波動測度與預測：基于混頻宏觀—短期利率模型[J].金融研究，2016（11）：47- 62.

[6] JIANG Y， GUO Y， ZHANG Y. Forecasting China′s GDP growth using dynamic factors and mixed-frequency data[J]. Economic Modelling，2017，66：132-138.

[7] PAN Z Y，WANG Q，WANG Y D，LI Y. Forecasting U.S. real GDP using oil prices：A time-varying parameter MIDAS model[J]. Energy Economics，2018，72（5）：177-187.

[8] 劉漢，劉金全.我國宏觀經(jīng)濟總量的實時預報與短期預測——基于混頻數(shù)據(jù)預測模型的實證研究[J].經(jīng)濟研究，2011（3）：4-17.

[9] MIKOSCH H，ZHANG Y. Forecasting Chinese GDP growth with mixed frequency data：Which indicators to look at？ [J]. Social Science Electronic Publishing，2014，（11）：359- 404.

[10]劉濤雄，徐曉飛.互聯(lián)網(wǎng)搜索行為能幫助我們預測宏觀經(jīng)濟嗎？[J].經(jīng)濟研究，2015，50（12）：68-83.

[11]王維國，于揚.基于混頻回歸類模型對我國季度GDP的預報方法研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2016（4）：108-125.

[12]李曉軒，張俊民，肖志超.會計盈余、市場估值與經(jīng)濟增長[J].會計與經(jīng)濟研究，2017，31（5）：52-62.

[13]王瑞.“口紅效應”給電影業(yè)帶來的契機[J].電影文學，2009（21）：58-59.

[14]GHYSELS E，SANTACLARA P，VALKANOV R. Predicting volatility： getting the most out of return data sampled at different frequencies[J]. Journal of Econometrics，2006，131（1-2）：59-95.

[15]SMITH P. Googles MIDAS touch：Predicting UK unemployment with internet search data[J]. Journal of Forecasting，2016，35（3）：263-284.

[16]GHYSELS E，SINKO A，VALKANOV R. MIDAS regressions：Further results and new directions[J]. Econometric Reviews，2007，26（1）：53-90.

[17]ANDREOU E. On the use of high frequency measures of volatility in MIDAS regressions[J]. Journal of Econometrics，2016，193（2）：367-389.

[18]YU H，F(xiàn)ANG L，SUN W. Forecasting performance of global economic policy uncertainty for volatility of Chinese stock market[J]. Physica A Statistical Mechanics & Its Applications，2018，505：931-940.

[19]李法寶.影視消費的“口紅效應”與調(diào)整策略[J].電影藝術，2009（5）：105-107.

Abstract： Film industry as an important factor to measure a country's socio-economic development level and cultural soft power needs to be deeply studied whether it has certain predicable functions to a country's macroeconomic development level. This paper uses the autoregressive distributed lag mixture sampling （ADL-MIDAS） model to study and predict the relationship between the weekly Chinese box-office revenue growth as the high frequency explanatory variable and the quarterly GDP growth as the low frequency explained variable from January， 2012 to March， 2018. On the basis of this， this paper also quantitatively analyzes the relationship between the monthly manufacturing PMI growth and weekly box-office revenue growth. The empirical results show that there is a negative correlation between the weekly box-office growth and the quarterly GDP growth as well as the monthly manufacturing PMI growth. Chinas films market has “l(fā)ipstick effect” and the forecast for macro-economy trend can be made by the box-office revenue condition. Adding the weekly box-office data to the monthly macro-variables can significantly improve the quarterly GDP prediction accuracy. The box-office revenue can be used as a beneficial supplement to the GDP forecasting index system in China.

Key words： box-office revenue； macro-economy trend； quarterly GDP growth； monthly PMI growth rate； GDP forecast； lipstick effect； ADL-MIDAS； high frequency variable

CLC number：F224.0；F064.1 Document code： A Article ID： 1674-8131（2018）05-0117-08

（編輯：夏 冬）