如何使用 MIDASR 包在 MIDAS 模型中使用参差不齐的边缘数据进行预测？答案

【问题标题】：How to forecast using ragged edge data in a MIDAS model using the MIDASR package?如何使用 MIDASR 包在 MIDAS 模型中使用参差不齐的边缘数据进行预测？
【发布时间】：2015-03-12 11:01:25
【问题描述】：

我正在尝试使用带有 midasr 包的每月变量生成季度变量的提前 1 步预测。我遇到的问题是，当样本中的每月观察次数恰好是季度观察次数的 3 倍时，我只能估计 MIDAS 模型。

当月度观测值的数量不是季度观测值的精确倍数时（例如，当我有一个新的月度数据点要用于更新预测时），我如何在 midasr 包中进行预测？

例如，假设当我有(n) 季度观测值和(3*n) 月度观测值时，我运行以下代码来生成提前1 步预测：

#first I create the quarterly and monthly variables
n <- 20
qrt <- rnorm(n)
mth <- rnorm(3*n)

#I convert the data to time series format
qrt <- ts(qrt, start = c(2009, 1), frequency = 4)
mth <- ts(mth, start = c(2009, 1), frequency = 12)

#now I estimate the midas model and generate a 1-step ahead forecast 
library(midasr)
reg <- midas_r(qrt ~ mls(qrt, 1, 1) + mls(mth, 3:6, m = 3, nealmon), start = list(mth = c(1, 1, -1)))
forecast(reg, newdata = list(qrt = c(NA), mth =c(NA, NA, NA)))

此代码运行良好。现在假设我想要包含一个新的月度数据点，因此新的月度数据是：

nmth <- rnorm(3*n +1)

我尝试运行以下代码来估计新模型：

reg <- midas_r(qrt ~ mls(qrt, 1, 1) + mls(nmth, 2:7, m = 3, nealmon), start = list(mth = c(1, 1, -1))) #I now use 2 lags instead 3 with the new monthly data

但是我收到一条错误消息：'Error in mls(nmth, 2:7, m = 3, nealmon) : Incomplete high frequency data'

我在网上找不到有关如何处理此问题的任何信息。

【问题讨论】：

标签： r forecasting ragged

【解决方案1】：

不久前I had to do 有类似的问题。如果我没记错的话，您首先需要使用具有减少滞后的旧数据集来估计模型，因此使用3:6 滞后您应该使用2:6 滞后：

reg <- midas_r(qrt ~ mls(qrt, 1, 1) + mls(mth, 2:6, m = 3, nealmon), start = list(mth = c(1, 1, -1)))

然后假设您观察到更高频率数据的新值 - new_value

new_value <- rnorm(1)

然后您可以使用这个新观察到的值来预测较低频率的变量，如下所示：

forecast(reg, newdata = list(mth = c(new_value, rep(NA, 2))))

【讨论】：