宏观计量模型中的混频数据（MIDAS）处理方法.docxVIP

宏观计量模型中的混频数据（MIDAS）处理方法

一、引言

宏观计量研究的核心目标是刻画经济系统的动态运行规律，支撑经济形势研判、政策效应评估与未来走势预判，为宏观调控和市场决策提供可靠的实证依据。但宏观经济领域的观测数据天生存在频率异质性特征：核算复杂度最高的国内生产总值等总产出指标通常按季度发布，居民消费价格指数、工业增加值、进出口、失业率等反映经济运行不同侧面的指标多按月度发布，而利率、汇率、资产价格等金融市场数据，以及基于高频调查、互联网行为采集的景气类数据甚至可以达到周度、日度甚至更高的发布频率。这种频率差异本质上是统计核算成本、数据发布规则带来的观测层面差异，而非经济运行本身的频率割裂——现实中的经济活动是连续发生的，并不会按照统计发布的频率分段运行。传统宏观计量模型要求所有输入变量保持统一频率，过去的研究者往往需要通过人为调整数据频率来满足模型假设，这些处理方式不可避免地会带来信息损失或估计偏差，导致模型预判滞后、识别失真等问题。作为专门针对异频数据建模需求开发的计量方法，混频数据抽样（MIDAS）方法最初诞生于金融市场波动率预测研究（Ghysels等，2004），随后逐步拓展到宏观计量研究领域，为解决频率错配问题提供了兼具理论严谨性和实践可操作性的技术路径。本文将首先剖析宏观计量场景下混频数据问题的本质与传统处理方法的固有局限，在此基础上系统阐释MIDAS方法的核心逻