MIDASLes modèles MIDAS (Mixed Data Sampling) utilisent des indicateurs à haute fréquence pour prédire une variable à basse fréquence. En ajustant une fonction de distribution des retards, le nombre de paramètres est maintenu à un faible niveau, ce qui réduit le risque de sur-ajustement.
MIDAS LassoLes modèles MIDAS (Mixed Data Sampling) utilisent des indicateurs à haute fréquence pour prédire une variable à basse fréquence. En appliquant une fonction de pénalité au lasso, les paramètres sont réduits à zéro, ce qui réduit le risque de sur-ajustement.
MIDAS Sparse Group PenaltyLes modèles MIDAS (Mixed Data Sampling) utilisent des indicateurs à haute fréquence pour prédire une variable à basse fréquence. En appliquant une fonction de pénalité pour groupes clairsemés, les paramètres sont réduits à zéro, ce qui réduit le risque de surajustement.
MIDAS sans restrictionLes modèles MIDAS (Unrestricted Mixed Data Sampling) utilisent des indicateurs à haute fréquence pour prédire une variable à basse fréquence.
