Прогнозирование в реальном времени с использованием VAR-модели смешанной частотности

В статье разработана векторная авторегрессионная модель (VAR) для временных рядов, наблюдаемых с различной частотой — ежеквартальной и ежемесячной. Модель представлена в пространстве состояний и оценивается байесовскими методами с использованием априорного распределения типа Миннесотского. Показано, как оценивать маргинальную плотность данных для реализации выбора гиперпараметров на основе данных. С использованием набора данных реального времени оцениваются прогнозы смешанно-частотной VAR-модели и сравниваются с прогнозами стандартной VAR-модели квартальной частотности и регрессий MIDAS. Определяется степень, в которой информация, становящаяся доступной в течение квартала, повышает точность прогнозов в реальном времени. К статье прилагаются дополнительные материалы, доступные онлайн.