Регрессия MIDAS: прогнозирование при смешанных частотах данных
Регрессия MIDAS (Mixed Data Sampling) — это эконометрическая модель, которая напрямую включает предикторы с высокой частотой в модели для выходных переменных с низкой частотой без необходимости временной агрегации регрессоров. Представленная Эриком Гиселсом, Артуром Синко и Россеном Валкановым в 2007 году, MIDAS использует экономно параметризованные полиномы лагов — такие как схемы взвешивания Бета или Экспоненциальный Альмон — для обобщения информационной составляющей множества лагов с высокой частотой, избегая при этом разрастания параметров.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 цитировать эту страницу
ScholarGate. (2026, June 2). Mixed Data Sampling (MIDAS) Regression. ScholarGate. https://scholargate.app/ru/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.
- Модель ARIMA (авторегрессионная интегрированная скользящая средняя)Эконометрика↔ compare
- Динамическая факторная модельЭконометрика↔ compare
- Модель векторной авторегрессии (VAR)Эконометрика↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →