ScholarGate
دستیار
Regression modelMixed-frequency

رگرسیون MIDAS نامقید

U-MIDAS (MIDAS نامقید) یک چارچوب رگرسیونی است که برای مدیریت داده‌های با بسامد مختلط طراحی شده است—زمانی که متغیرهای توضیحی با بسامدهای نمونه‌برداری متفاوتی وارد می‌شوند (مانند تولید ناخالص داخلی ماهانه در مقابل بازده روزانه سهام). این روش که توسط گیسلز و همکاران (2007) معرفی شد، محدودیت‌های چندجمله‌ای ساختار وقفه (lag-structure) اصلی رویکرد MIDAS را حذف می‌کند و امکان استفاده کامل‌تر از اطلاعات با بسامد بالا را فراهم می‌آورد. این انعطاف‌پذیری آن را برای پیش‌بینی آنی (nowcasting) و پیش‌بینی اقتصادی در زمان واقعی ایده‌آل می‌سازد.

به‌کارگیری با EconMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Foroni, C., Ghysels, E., & Marcellino, M. (2015). Mixed-frequency vector autoregressive models. International Journal of Forecasting, 31(4), 1051-1070. DOI: 10.1108/s0731-905320130000031007
  2. Ghysels, E., Santa-Clara, P., & Valkanov, R. (2007). There is a risk-return trade-off after all. Journal of Financial Economics, 76(3), 674-704. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Unrestricted MIDAS Regression. ScholarGate. https://scholargate.app/fa/econometrics/u-midas

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.

Compare side by side

ارجاع‌شده در

ScholarGateU-MIDAS (Unrestricted MIDAS Regression). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/econometrics/u-midas · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026