机器算法验证 - 一个序列更频繁的时间序列因子模型 - 吾爱随笔录

机器算法验证回归时间序列预测模型不均匀间隔时间序列

2022-04-07 12:00:31

假设我有两个时间序列，其中一个更新频率高于另一个：

$x_0,x_1,x_2,\dots,x_t,\dots$

$y_0,y_{10},y_{20},\dots,y_{10t},\dots$

我想拟合一个模型来预测 $y$ 从 $x$ （并且可能来自以前的值 $y$ ) 在每个值 $1,2,3,\dots$ ，即即使对于 $y$ 我们不会对其进行观察（等效地，假设存在真实值 $y$ 在每个值 $t$ , 但我们只在 $t=0,10,20,\dots$ )

有没有规范的方法来做到这一点？

2个回答

规范的方式可能是MIDAS回归。有一个用于估计的 Matlab 工具箱，可应作者 Eric Ghysels的要求提供。您可以查看此工具箱的用户指南，因为它回顾了有关 MIDAS 的所有文献。

维基百科页面还讨论了与卡尔曼滤波器的连接，所以@F。Tussel 观察非常到位。

更新现在还有一个 R 包midasr来估计 MIDAS 回归。

我会将模型转换为状态空间形式。如果其中一个变量比另一个更频繁地观察到，或者观察时间不规则，则没有问题：卡尔曼滤波器可以优雅地处理缺失和部分观察到的变量。

如果没有关于您要建模的确切关系类型的详细信息，就很难更具体。

其它你可能感兴趣的问题