Abstract
在現代科技化社會中，隨著資訊網路的發達以及電腦計算速度的日新月異，資料庫建立的頻率越來越即時，更新速度也越來越快速， 以至於對高頻率資料的需求也越來越頻繁，所以即時 (real time) 訊息資料的建立，便成為了一個有趣的課題。 此篇文章嘗試利用各種不同的統計方法來衡量此景氣循環條件，並且建立景氣循環指標， 此與目前行政院經濟建設委員會 (以下簡稱經建會) 所建立的景氣綜合指數 (Composite Index) 同樣皆是在描述一個景氣循環趨勢， 但是其中最大的不同在於，我們可以允許更高以及更即時頻率的指標變數加入，而經建會所建立的綜合指數， 所採用的頻率最高只達月頻率， 而且公佈的期間有著非常長的落後期間，所以用此指標變數時，所得到的景氣循環資訊已經是落後訊息了，而我們所建立的即時系統， 可以針對訊息的加入馬上對景氣循環資料庫進行更新，所以在訊息的涵蓋度上，是比經建會有著很大優勢的。 本篇文章主要嘗試擴展 Aruoba et al. (2009) 所使用的單因子狀態空間模型 (state-space model)， 且同樣使用 Kalman filter 的方法， 但我們讓模型可以加入多個潛藏因子，建立多因子模型，並且大幅度的降低了當時的模型變數矩陣的維度， 此舉增加了加入更多引用指標變數的可行性， 以及加快程式計算速度， 並且可以藉由這多個潛藏因子，在解釋以及捕捉引入變數的軌跡時，會有更多的解釋力。 在此篇實證結果中，嘗試以單一因子模型，採取經建會領先指標的組成要素當作指標變數，並且利用 HP filter 調整資料， 最後擷取出一個景氣循環條件， 企圖以此潛藏因子來當作景氣動向指標， 我們可以發現此景氣動向指標，在單因子模型之中，所得出的潛藏因子會與越高頻率的資料有著非常密切的關係，所以我們嘗試再加入一個日資料變數，以及去除掉一個日資料變數， 結果，發現此模型對於頻率越高的資料，所擷取的訊息權重會越高。