Mixed‐frequency models with moving‐average components
含移动平均成分的混频模型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：摘要讨论混频时间聚合与ARMA成分，并应用于美国GDP增长、投资增长和通胀的即时预测，对应时间序列与宏观预测。
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…
含移动平均成分的混频模型
- 研究问题
- 时间聚合引入的移动平均成分在混频模型中有多重要，显式纳入该成分能否改善宏观变量的短期预测与即时预测？
- 方法与思路
- 作者构建MIDAS-ARMA与UMIDAS-ARMA，通过解析分析、蒙特卡洛模拟和美国宏观变量的即时预测，评估纳入移动平均成分的作用。
- 材料陈述的贡献
- 摘要称，在所考察的模拟与宏观应用中，加入移动平均成分改善短期预测，且MIDAS-ARMA表现优于UMIDAS-ARMA。
- 阅读关注点
- 阅读时应核对时间聚合产生移动平均项的推导、模型估计与误差结构、即时预测的信息集，以及各模型比较是否采用一致的评价设计。
- 阅读边界
- 摘要未列出样本期间、预测误差指标、改善幅度和显著性结果；所述模型排序限于文中模拟与应用，不能推广至所有混频任务。
原文摘要
Summary Temporal aggregation in general introduces a moving‐average (MA) component in the aggregated model. A similar feature emerges when not all but only a few variables are aggregated, which generates a mixed‐frequency (MF) model. The MA component is generally neglected, likely to preserve the possibility of ordinary least squares estimation, but the consequences have never been properly studied in the MF context. In this paper we show, analytically, in Monte Carlo simulations and in a forecasting application on US macroeconomic variables, the relevance of considering the MA component in MF mixed‐data sampling (MIDAS) and unrestricted MIDAS models (MIDAS–autoregressive moving average (ARMA) and UMIDAS‐ARMA). Specifically, the simulation results indicate that the short‐term forecasting performance of MIDAS‐ARMA and UMIDAS‐ARMA are better than that of, respectively, MIDAS and UMIDAS. The empirical applications on nowcasting US gross domestic product (GDP) growth, investment growth, and GDP deflator inflation confirm this ranking. Moreover, in both simulation and empirical results, MIDAS‐ARMA is better than UMIDAS‐ARMA.