混合频率数据抽样（MIDAS）模型在宏观预测中的应用.docxVIP

混合频率数据抽样（MIDAS）模型在宏观预测中的应用

一、引言

宏观经济预测是宏观经济研究与决策的核心支撑，其结果不仅为政府制定财政、货币政策提供科学依据，也为企业调整生产经营策略、市场参与者制定投资计划提供关键参考。传统宏观预测方法多依赖同频率数据构建模型，例如用季度GDP与季度工业增加值、消费数据进行回归分析，或通过降频、升频处理将所有数据统一为相同频率后建模。然而，现实经济运行产生的数据呈现出明显的频率异质性：核心宏观指标如GDP、国民总收入多为季度或年度发布，而工业增加值、社会消费品零售总额等先行指标以月度为频率，股票指数、国债收益率等金融数据甚至以日度或分钟度更新。传统方法要么通过降频丢失高频数据的细节信息，要么通过升频引入失真假设，难以兼顾数据的完整性与预测的准确性（Ghysels等，2007）。混合频率数据抽样（MIDAS）模型的出现，打破了同频率数据的限制，能够直接整合不同频率的数据进行建模，在保留高频信息的同时提升预测精度与及时性，已成为宏观经济预测领域的重要研究方向。

二、MIDAS模型的基础理论与发展脉络

（一）MIDAS模型的核心原理

MIDAS模型的核心逻辑是通过参数化的权重函数，将高频数据的信息合理聚合到低频变量的预测框架中，无需对原始数据进行频率转换。具体而言，当预测低频宏观变量（如季度GDP）时，模型可直接引入高频解释变量（如月度工业增加值），并通过