Kısıtlanmamış MIDAS Regresyonu
Unrestricted MIDAS Regression · Ayrıca şöyle bilinir: Unrestricted Mixed Data Sampling
U-MIDAS (Kısıtlanmamış MIDAS), karma frekanslı verileri işlemek üzere tasarlanmış bir regresyon çerçevesidir—açıklayıcı değişkenlerin farklı örnekleme frekanslarında geldiği durumlar (örneğin, aylık GSYİH ile günlük borsa getirileri). Ghysels ve meslektaşları (2007) tarafından tanıtılan bu yöntem, orijinal MIDAS yaklaşımının kısıtlayıcı gecikme yapısı polinom kısıtlamalarını ortadan kaldırarak yüksek frekanslı bilgiden daha tam yararlanılmasını sağlar. Bu esneklik, onu şimdiki zaman tahmini (nowcasting) ve gerçek zamanlı ekonomik tahminler için ideal kılar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Karma frekanslı verileriniz olduğunda ve son yüksek frekanslı gözlemlerin düşük frekanslı bir sonuç için tahmin gücü taşıdığına inandığınızda U-MIDAS kullanın. Özellikle şimdiki zaman tahmini (resmi açıklamalar öncesinde gerçek zamanlı tahmin), makroekonomik haberlerden borsa getirisi tahmini ve enflasyon tahmini için kullanışlıdır. Aşırı uyumu önlemek için yeterli yüksek frekanslı gözlem olduğundan emin olun ve örnek dışı tahmin becerisini doğrulayın.
Güçlü yönler & sınırlılıklar
- Kısıtlayıcı polinom gecikme varsayımlarını kaldırır, tam yüksek frekanslı bilgiyi yakalar
- Düşük frekanslı veri açıklamalarından önce gerçek zamanlı şimdiki zaman tahminleri üretir
- Keyfi toplama olmaksızın karma frekanslı verileri doğal olarak işler
- Standart regresyon çıkarımı yoluyla basit yorumlama
- Çok sayıda yüksek frekanslı gecikme dahil edildiğinde çoklu doğrusallıktan muzdarip olabilir
- Aşırı uyumu önlemek için dikkatli gecikme seçimi gerektirir, özellikle sınırlı düşük frekanslı gözlemlerle
- Aşırı yüksek frekanslı veriler için (örneğin, tik-tik) hesaplama açısından yoğun olabilir
- Doğrusal ilişkiler varsayar; doğrusal olmayan etkileşimler model uzantıları gerektirir
SSS
U-MIDAS ile kısıtlı MIDAS arasındaki temel fark nedir?
Kısıtlı MIDAS, parametreleri azaltmak için polinom (tipik olarak üstel Almon) gecikme yapısı uygular, örneklem boyutları küçük olduğunda uygundur. U-MIDAS, kısıtlama olmaksızın tüm gecikmeleri ayrı ayrı içerir, daha fazla veri gerektirir ancak bilgiyi daha esnek kullanır. Çok sayıda düşük frekanslı gözleminiz olduğunda U-MIDAS'ı seçin; kısa seriler için kısıtlı MIDAS kullanın.
Kaç tane yüksek frekanslı gecikme dahil etmeliyim?
Bir kural yoktur. Gecikme uzunluğunu seçmek için çapraz doğrulama veya bilgi kriterlerini (AIC/BIC) kullanın. Pratik bir kılavuz: T tane düşük frekanslı gözleminiz varsa, aşırı uyumu önlemek için yüksek frekanslı gecikmeleri kabaca sqrt(T) ila T/5 ile sınırlayın. Ardından örnek dışı doğrulayın.
U-MIDAS'ı durağan olmayan verilerle kullanabilir miyim?
U-MIDAS prensipte durağanlık gerektirmez, ancak serileriniz eşbütünleşik ise, eşbütünleşme ilişkisini açıkça modelleyin. Önce birim kökleri test edin; bulunursa, verileri farklayın veya hata düzeltme spesifikasyonlarını kullanın.
Farklı frekanslar arasındaki zaman hizalamasını nasıl ele alırım?
Takvim tarihlerini dikkatlice hizalayın. Örneğin, düşük frekanslı değişkeniniz ayın 15'inde açıklanıyorsa, o tarihten *önce* mevcut olan yüksek frekanslı verilerin dahil edildiğinden emin olun. Veri kurulumunuzdaki herhangi bir gecikmeyi veya açıklama gecikmesini belgeleyin.
Kaynaklar
- 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 ↗
- 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 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Unrestricted MIDAS Regression. ScholarGate. https://scholargate.app/tr/econometrics/u-midas
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- DCC-MIDASEkonometri↔ karşılaştır
- GARCH-MIDASEkonometri↔ karşılaştır
- Yerel ProjeksiyonlarEkonometri↔ karşılaştır