MIDAS

：混频数据回归

Note： 本⽂主要内容来⾃如下论⽂，有兴趣的⼩伙伴可以详读原⽂：

[Source]: Ghysels E, Kvedaras V, Zemlys V. Mixed Frequency Data Sampling Regression Models: The R Package midasr[J].

Journal of Statistical Software, 2016, 72(4). 

MIDAS 是「Mixed Frequency Data Sampling Regression Models」的简称，有多个对应的中⽂名称，如「混频抽样回归」、「混频

抽样⽅法」、「混频回归」等。

基于混频数据建⽴模型的⽅法，充分利⽤原始数据本⾝包含的信息来构建数据模型。在传统的宏观计量模型中，数据存在不同频率，⼀般需

要通过运⽤汇总或内插⽅法将混频频率数据统⼀为相同频率数据，然后以处理之后的相同频率数据应⽤于宏观经济模型。这种⽅法建⽴的模

型由于⼈为的数据累加或内插会引起的原始数据内含的信息量增加和丢失。 相关学者提出直接使⽤混频数据来构建混频数据模型，这种⽅

式建⽴的模型充分利⽤⾼频数据中的信息，避免了由于数据处理过程中⼈为处理⽽导致的数据信息虚增与丢失，在⼀定程度上可以提⾼宏观

模型估计有效性和预测的准确性。 (摘⾃：混频 MIDAS 模型在宏观经济研究领域应⽤评述，)。

⾃  提出 MIDAS 模型以来，由于其处理混频数据的便利性⽽被⼴泛应⽤于⾦融波动率和宏观经济预测等领域。本⽂将从如下三个⽅⾯对如