Неограниченная выборка данных смешанной частоты (MIDAS): регрессии MIDAS с неограниченными полиномами лагов
Unrestricted Mixed Data Sampling (MIDAS): MIDAS Regressions with Unrestricted Lag Polynomials
2013-12-09
SCID: 54.1/k443hxfc
Discuss with AI
U-MIDASсмешанное дискретное сэмплированиеоперативное прогнозированиекраткосрочное прогнозирование ВВПнеограниченные полиномы лагов
Figures from the paper
Abstract (AI)
Регрессии со смешанной частотой выборки данных (MIDAS) позволяют оценивать динамические уравнения, объясняющие переменную низкой частоты с помощью переменных высокой частоты и их лагов. Когда различие в частотах выборки зависимой переменной и регрессоров велико, для моделирования динамики и предотвращения чрезмерного увеличения числа параметров обычно применяются функции распределённых лагов. Однако в макроэкономических приложениях различия в частотах выборки часто невелики. В таких случаях применение функций распределённых лагов может быть необязательным. Мы рассматриваем преимущества и недостатки использования неограниченных полиномов лагов в регрессиях MIDAS. Мы выводим регрессии с неограниченной смешанной частотой выборки данных (U-MIDAS) из линейных моделей высокой частоты, обсуждаем вопросы идентификации и показываем, что их параметры могут оцениваться методом обыкновенных наименьших квадратов. В экспериментах Монте-Карло мы сравниваем U-MIDAS с моделями MIDAS с функциональными распределёнными лагами, оценёнными методом нелинейных наименьших квадратов. Мы показываем, что при небольших различиях в частотах выборки U-MIDAS превосходит MIDAS. Однако при существенном различии частот выборки функции распределённых лагов превосходят неограниченные полиномы. Высокая эффективность U-MIDAS при небольших различиях частот подтверждается эмпирическими приложениями, посвящёнными оперативной оценке и краткосрочному прогнозированию темпов роста валового внутреннего продукта еврозоны и США с использованием месячных индикаторов.
Key Findings
1
Эмпирические приложения для nowcasting и краткосрочного прогнозирования роста ВВП еврозоны и США подтверждают высокую эффективность U-MIDAS при использовании месячных индикаторов.
2
Результаты экспериментов Монте-Карло показывают, что U-MIDAS превосходит MIDAS с функциональными лагами при небольшом различии частот наблюдений.
3
Параметры U-MIDAS идентифицируемы при указанных условиях и могут оцениваться методом обычных наименьших квадратов.
4
Регрессии unrestricted-MIDAS (U-MIDAS) моделируют динамику смешанных частот с помощью неограниченных лаговых полиномов, выведенных из линейных моделей высокой частоты.
5
При существенном различии частот наблюдений модели MIDAS с функциональными распределёнными лагами превосходят неограниченные лаговые полиномы.
Research Object
MIDAS-регрессии с неограниченными лаговыми полиномами для моделирования переменных низкой частоты с использованием переменных высокой частоты и их лагов
Research Subject
Сравнительная эффективность, идентификация, оценивание и пригодность для прогнозирования спецификаций MIDAS с неограниченными и распределёнными лагами при различных различиях в частотах выборки
Publication Details
Publication Date
2013-12-09
Journal
Publisher
ISSN
Cited by
321
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest
Работы, цитирующие эту статью4
Прогнозирование в реальном времени с использованием VAR-модели смешанной частотности2014
Прогнозирование темпов инфляции с использованием ежедневных данных: непараметрический подход MIDAS2015
Оперативное прогнозирование инфляции с использованием векторных авторегрессий, регуляризованных методом Lasso, и данных смешанной частоты2023
Байесовская многомерная выборка данных со смешанной частотой и переключением полумарковских режимов2025