Nowcasting distributions: a functional MIDAS model
分布的即时预测：函数型 MIDAS 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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确用函数型 MIDAS 结合高低频数据开展分布预测和即时预测，直接支持预测与混频时间序列分类。
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…
分布的即时预测：函数型 MIDAS 模型
- 研究问题
- 如何利用高频信息预测和即时预测低频观测的完整分布，并同时改善对收入分布及反映不平等变化特征的预测？
- 方法与思路
- 作者以函数主成分分析近似低频分布，在函数型 MIDAS 的有限维 SUR-MIDAS 近似中用组套索尖峰厚尾先验筛选变量。
- 材料陈述的贡献
- 摘要提出函数型混频预测模型，并报告美国住户收入分布应用中，整个目标分布及若干不平等相关特征的预测准确性改善。
- 阅读关注点
- 应核对分布的表示与重构、主成分截断和先验设定，并检查即时预测的信息可得时间、比较基准及分布预测损失函数。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明数据频率、实时验证方案、预测改善幅度及具体不平等指标。
原文摘要
We propose a functional MIDAS model to leverage high-frequency information for forecasting and nowcasting distributions observed at a lower frequency. We approximate the low-frequency distribution using Functional Principal Component Analysis and consider a group lasso spike-and-slab prior to identify the relevant predictors in the finite-dimensional SUR-MIDAS approximation of the functional MIDAS model. In our application, we use the model to nowcast the U.S. households' income distribution. Our findings indicate that the model enhances forecast accuracy for the entire target distribution and for key features of the distribution that signal changes in inequality.