针对混频数据的建模问题,提出自回归U-MIDAS(unrestricted mixed data sampling)分位回归模型.首先,结合嵌套Lasso惩罚方法及spike-and-slab先验进行Bayes参数估计和变量选择;其次,通过数值模拟证明该方法的优越性;最后,将该方法用于美...针对混频数据的建模问题,提出自回归U-MIDAS(unrestricted mixed data sampling)分位回归模型.首先,结合嵌套Lasso惩罚方法及spike-and-slab先验进行Bayes参数估计和变量选择;其次,通过数值模拟证明该方法的优越性;最后,将该方法用于美国名义国内生产总值(GDP)年化季度增长率的预测,结果表明,该方法预测精度较好.展开更多
文摘针对混频数据的建模问题,提出自回归U-MIDAS(unrestricted mixed data sampling)分位回归模型.首先,结合嵌套Lasso惩罚方法及spike-and-slab先验进行Bayes参数估计和变量选择;其次,通过数值模拟证明该方法的优越性;最后,将该方法用于美国名义国内生产总值(GDP)年化季度增长率的预测,结果表明,该方法预测精度较好.
基金partly supported by the China Postdoctoral Science Foundation(Grant No.2017M610156)the National Natural Science Foundation of China(Grant No.11501167)the Young Academic Leaders Project of Henan University of Science and Technology(Grant No.13490008)
