多种不同频率数据训练同一个模型的思路探索

在训练模型的时候，取到的数据经常会是不同的频率，在经济时间序列里面更是非常常见，如果使用不同频率的数据训练同一个模型呢，这是一个必须要解决的问题，如果有在思考同一个问题的伙计可以私信我们一起讨论，这里我放一些看到的论文摘要在这里

马尔科夫机制转换混合频率数据模型的应用

柏久麟  

【摘要】：宏观经济时间序列是反应宏观经济的重要指标.宏观经济时间序列中有很多数据能够反映当前的经济状况,有时甚至可以以此为依据做出对未来经济走势进行有效的预测,比如说季度GDP(国内生产总值)数据、月度CPI(居民消费价格指数)数据、PPI(生产者物价指数)数据.宏观经济时间序列有数据复杂、长度不一、抽样频率不同、数据属性不同等特点.通常建立时间序列模型均基于相同频率的数据.通常的处理方法会导致数据缺失、人为构造等情况.基于这种需要和情况,产生了混合频率数据模型.现在,常用的混合频率数据模型有混合频率数据抽样模型(MIDAS模型)以及混合频率向量自回归模型(MF-VAR模型)两种.本文主要介绍了混合频率数据抽样模型(MIDAS模型),因子混合频率数据抽样模型(FaMIDAS模型),协整混合频率数据抽样模型(CoMIDAS模型).进一步本文提出了马尔科夫机制转换模型与因子混合频率数据模型的组合模型MS-FaMIDAS的具体估计方法.本文的具体结构如下：第一部分：介绍混合频率数据模型,包括MIDAS模型,CoMIDAS模型,FaMIDAS模型.第二部分：将因子混合频率数据抽样模型和马尔科夫机制转换模型相结合,得到了MS-FaMIDAS模型.并给出了模型具体的估计方法以及检验方法.第三部分：针对研究所得出的结论和成果,给出了一些可能的研究建议与研究方向.