【摘要】近年来，我国宏观经济预测模型存在稳定性显著下降、预测精度大幅降低等缺陷，亟待对其进行改进。本文通过融合动态因子模型和混频数据抽样模型，构建了因子混频数据抽样模型FA-MIDAS，实现对120多个宏观运行监测指标的深度挖掘和信息提取，并对我国季度GDP增速进行样本内拟合与样本外预测。研究结果表明：FA-MIDAS模型的样本内拟合效果好于未考虑混频数据的模型以及将月度数据简单平均后转换为季度数据的模型。与同频模型相比，FA-MIDAS模型能够提高预测精度。在数据处于较为平稳阶段时，模型中加入自回归项确实会带来预测精度的改善，但在数据波动较大时，加入自回归项会存在惯性趋势，反而降低了模型预测精度。随着当季数据公布的增多，当季GDP的实时预测及向前多步预测的预测精度会随之提高。