A MIDAS approach to modeling first and second moment dynamics
用 MIDAS 方法建模一阶与二阶矩动态AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究工业生产增长和通胀的混频随机波动率动态与密度预测，对应宏观预测和时间序列。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
用 MIDAS 方法建模一阶与二阶矩动态
- 研究问题
- 研究预测密度模型同时在条件均值和波动率中引入 MIDAS 效应时，能否改善工业生产增长与通胀的样本内外密度预测。
- 方法与思路
- 作者构造同时容纳一阶和二阶矩混频效应的模型，引入 MIDAS 随机波动率动态，使用标准 Gibbs 抽样估计，并考察模型组合。
- 材料陈述的贡献
- 摘要报告波动率方程加入 MIDAS 效应后，工业生产增长和通胀的密度预测改善，模型组合也给予此类模型较高权重并获得样本外增益。
- 阅读关注点
- 应核对混频变量如何进入均值和波动率、先验与抽样实现，以及密度预测评价指标、样本外设计和模型组合权重的计算。
- 阅读边界
- 本导读限于所给出版社摘要；预测指标、改进幅度与样本设计未说明，所述应用结果不能保证在其他变量或时期同样成立。
原文摘要
We propose a new approach to predictive density modeling that allows for MIDAS effects in both the first and second moments of the outcome. Specifically, our modeling approach allows for MIDAS stochastic volatility dynamics, generalizing a large literature focusing on MIDAS effects in the conditional mean, and allows the models to be estimated by means of standard Gibbs sampling methods. When applied to monthly time series on growth in industrial production and inflation, we find strong evidence that the introduction of MIDAS effects in the volatility equation leads to improved in-sample and out-of-sample density forecasts. Our results also suggest that model combination schemes assign high weight to MIDAS-in-volatility models and produce consistent gains in out-of-sample predictive performance.