Forecast model category

Multivariate modellen met gemengde frequentie

Voorspellingsmodellen met gemengde frequentie gebruiken gegevens met een hogere frequentie om resultaten met een lagere frequentie te voorspellen en worden vaak toegepast bij nowcasting.
MIDAS
Mixed Data Sampling (MIDAS) -modellen gebruiken hoogfrequente indicatoren om een laagfrequente variabele te voorspellen. Door een lag-distributiefunctie in te bouwen, wordt het aantal parameters laag gehouden, waardoor het risico op overaanpassing wordt verkleind.
MIDAS Lasso
Mixed Data Sampling (MIDAS) -modellen gebruiken hoogfrequente indicatoren om een laagfrequente variabele te voorspellen. Door een lasso-penaltyfunctie toe te passen, worden de parameters naar nul gekrompen, waardoor het risico op overaanpassing wordt verkleind.
MIDAS Sparse Group Penalty
Mixed Data Sampling (MIDAS) -modellen gebruiken hoogfrequente indicatoren om een laagfrequente variabele te voorspellen. Door een schaarse groepsstraffunctie toe te passen, worden de parameters naar nul gekrompen, waardoor het risico op overaanpassing wordt verkleind.
Onbeperkte MIDAS
Unrestricted Mixed Data Sampling (MIDAS) -modellen maken gebruik van hoogfrequente indicatoren om een laagfrequente variabele te voorspellen.

Explore more model categories

Univariate modellen met tijdreeksen
Multivariate modellen met gemengde frequentie
Multivariate, bestrafte modellen
Multivariate, hiërarchische autoregressie van vectoren
Multivariate, groep Lasso
Multivariate modellen voor machine learning
Multivariate, klassieke econometrische modellen

We bieden geautomatiseerde voorspellingssoftware die geavanceerde academische methoden combineert met marktspecifieke toonaangevende indicatoren. Dit helpt uw organisatie om het hoogste niveau van voorspellingsnauwkeurigheid te bereiken.

© 2025 Indicio Technologies Alle rechten voorbehouden