MIDAS-Regression: Prognose über gemischte Datenfrequenzen hinweg
MIDAS (Mixed Data Sampling)-Regression ist ein ökonometrisches Rahmenwerk, das Prädiktoren mit hoher Frequenz direkt in Modelle für Ergebnisvariablen mit niedrigerer Frequenz integriert, ohne dass eine zeitliche Aggregation der Regressoren erforderlich ist. MIDAS, eingeführt von Eric Ghysels, Arthur Sinko und Rossen Valkanov im Jahr 2007, verwendet sparsam parametrisierte Lag-Polynome – wie die Beta- oder Exponential-Almon-Gewichtungsschemata –, um den Informationsgehalt vieler Lags mit hoher Frequenz zusammenzufassen und gleichzeitig eine Parameterproliferation zu vermeiden.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53–90. DOI: 10.1080/07474930600972467 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/de/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.
- ARIMA-Modell (Autoregressive Integrated Moving Average)Ökonometrie↔ compare
- Dynamisches FaktormodellÖkonometrie↔ compare
- Vektorautoregressionsmodell (VAR)Ökonometrie↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →