3.1MIDAS模型电子版本.docx

最新精品文档 知识共享！ MIDAS技术文档 一、背景介绍 在预测一个经济时间序列时，传统的模型经常使用与之相同频率的数据进行预测。但是低频的经济数据存在数据颗粒粗糙、噪音过多、信息丢失等问题，通常会造成预测精度的下降。最近的研究 ADDIN EN.CITE EndNoteCiteAuthorGhysels/AuthorYear2002/YearRecNum174/RecNumDisplayText(Ghysels, Santa, Clara and Valkanov 2002)/DisplayTextrecordrec-number174/rec-numberforeign-keyskey app=EN db-id=pa02x5xtlawexbede99pav9uv00z2ep0p9e9174/key/foreign-keysref-type name=Journal Article17/ref-typecontributorsauthorsauthorGhysels, E./authorauthorSanta/authorauthorClara, P./authorauthorValkanov, R./author/authors/contributorstitlestitleThe MIDAS touch: Mixed data sampling regression models/titlesecondary-titleUNC and UCLA Working Papers/secondary-title/titlesperiodicalfull-titleUNC and UCLA Working Papers/full-title/periodicaldatesyear2002/year/datesurls/urls/record/Cite/EndNote( HYPERLINK \l _ENREF_11 \o Ghysels, 2002 #174 Ghysels, Santa, Clara and Valkanov 2002)显示，加入高频数据作为解释变量会有效地提升经济时间序列预测精度。 为了与被预测变量的频率保持一致，传统的高频数据点选取做法有两种：第一种是选取样本区间期末值；另一种是将样本区间内的高频数据点进行简单的等权重加权。这两种数据点选取方式都有明显的问题：第一种只用到了某一点的数据，容易受到期末值异常的影响，同时忽略了很多信息；第二种方法使用等权重加权平均的方式实际上假定每个高频数据点的信息对被预测变量有相同解释能力，但是 ADDIN EN.CITE EndNoteCiteAuthorAndreou/AuthorYear2010/YearRecNum70/RecNumDisplayText(Andreou, Ghysels and Kourtellos 2010a)/DisplayTextrecordrec-number70/rec-numberforeign-keyskey app=EN db-id=pa02x5xtlawexbede99pav9uv00z2ep0p9e970/key/foreign-keysref-type name=Journal Article17/ref-typecontributorsauthorsauthorAndreou, E./authorauthorGhysels, E./authorauthorKourtellos, A./author/authors/contributorstitlestitleForecasting with mixed-frequency data/titlesecondary-titleUniversity of Cyprus Working Papers in Economics/secondary-title/titlesperiodicalfull-titleUniversity of Cyprus Working Papers in Economics/full-title/periodicaldatesyear2010/year/datesurls/urls/record/Cite/EndNote( HYPERLINK \l _ENREF_2 \o Andreou, 2010 #70 Andreou, Ghysels and Kourtellos 2010a)证明了等权重加权的方式存在测量偏差，即：每天股票回报率对预测贡献的信息量是不同的，等权重加权会造成预测结果不准确。 针对以上两种方法的缺陷， ADDIN EN.CITE EndNoteCiteAuthorGhysels/AuthorYear2002/YearRecNum17