Регресия MIDAS: Прогнозиране при смесени честоти на данните
Регресията MIDAS (Mixed Data Sampling) е иконометрична рамка, която директно включва предиктори с висока честота в модели за променливи с по-ниска честота, без да изисква темпорално агрегиране на регресорите. Въведена от Eric Ghysels, Arthur Sinko и Rossen Valkanov през 2007 г., MIDAS използва пестеливо параметризирани полиноми на изоставане — като схеми за претегляне Beta или Exponential Almon — за обобщаване на информационното съдържание на много изоставания с висока честота, като същевременно се избягва пролиферацията на параметри.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53–90. DOI: 10.1080/07474930600972467 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/bg/econometrics/midas-regression
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Модел ARIMA (Autoregressive Integrated Moving Average)Иконометрия↔ compare
- Динамичен фактор моделИконометрия↔ compare
- Модел на векторна авторегресия (VAR)Иконометрия↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →