Régression MIDAS : Prévision sur des fréquences de données mixtes
La régression MIDAS (Mixed Data Sampling) est un cadre économétrique qui intègre directement des prédicteurs à haute fréquence dans des modèles pour des variables de résultat à basse fréquence, sans nécessiter d'agrégation temporelle des régresseurs. Introduite par Eric Ghysels, Arthur Sinko et Rossen Valkanov en 2007, la MIDAS utilise des polynômes de retards paramétrés de manière parcimonieuse — tels que les schémas de pondération Beta ou Almon exponentiel — pour résumer le contenu informationnel de nombreux retards à haute fréquence tout en évitant la prolifération des paramètres.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Ghysels, E., Sinko, A., & Valkanov, R. (2007). MIDAS regressions: Further results and new directions. Econometric Reviews, 26(1), 53–90. DOI: 10.1080/07474930600972467 ↗
Comment citer cette page
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/fr/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.
- Modèle ARIMA (Autoregressive Integrated Moving Average)Économétrie↔ compare
- Modèle Factoriel DynamiqueÉconométrie↔ compare
- Modèle de Vector Autoregression (VAR)Économétrie↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →