混合频率数据回归(MIDAS)的权重函数选择.docxVIP

混合频率数据回归(MIDAS)的权重函数选择

一、引言

在经济、金融等领域的实证研究中，不同变量的观测频率往往存在显著差异：比如国民经济核算核心指标多为季度或年度频率，生产端、消费端的运行指标多为月度频率，而金融市场交易、高频舆情等数据则可达到日度甚至分钟级频率。传统计量模型要求所有变量频率一致，研究者通常需要将高频数据聚合为低频（如取平均值、加总值），或将低频数据插值为高频，但两种处理方式均存在明显缺陷：聚合会损失大量高频信息，弱化模型对短期波动的捕捉能力；插值则可能引入人为构造的误差，导致估计结果有偏。为解决这一问题，混合频率数据回归模型（简称MIDAS）应运而生，它无需预先对齐变量频率，可直接将不同频率的变量纳入统一分析框架，因此在宏观经济监测、政策评估、金融预测等领域得到了广泛应用。

在实际应用中，不少研究者对MIDAS模型的理解停留在“混频数据直接回归”的表层，往往直接选用软件默认的权重函数，忽视了权重选择的重要性，最终导致模型拟合效果差、预测精度低，甚至得出与现实不符的结论。实际上，权重函数是MIDAS模型的核心组件，其作用是将高频解释变量的多期观测值加权合成为与低频被解释变量匹配的序列，同时通过参数化设计大幅减少待估参数数量，避免自由度不足的问题。权重函数的形态设定是否合理，直接决定了模型的拟合效果、预测精度与结论可信度，可以说选对权重函数是用好MIDAS模型的关键前