مدلسازي با متغيرهاي دوره تناوبي مختلط: مروري بر روش‌ هاي گسترش‌ يافته اخير در اقتصادسنجي سري‌ هاي زماني

Modeling with Mixed Frequency Variables: A Review of Recently Extended Methods in Time Series Econometrics

پژوهشهاي اقتصادسنجي نظري جديد بر اين واقعيت متمركز هستند كه دوره تناوبي متفاوتي در سري هاي زماني وجود دارند. اين گروه از پژوهش ها به واسطه اينكه بر نقش اطلاعات در مدل سازي هاي اقتصادي تاكيد مي كنند، اهميت قابل توجهي دارند. در رويكرد رايج سري هاي زماني، براي فراهم شدن امكان مدل سازي اقتصادي متغيرها با تواتر متفاوت، تجميع زماني را به يك دوره تناوب يكسان تبديل مي كنند. اين كار يعني، تجميع زماني متغيرهايي با دوره تناوب متفاوت به از بين رفتن اطلاعات موجود در سري زماني با تواتر بالاتر منجر مي شود. پژوهشهاي دوره تناوب مختلط با ارائه راهكاري در جهت الگوسازي با متغيرهاي دوره تناوب متفاوت، نياز به تجميع زماني را در مدلسازي مرتفع مي كنند. به ويژه اينكه نتيجه اصلي اين شاخه از پژوهش هاي اقتصادي قدرت توضيح دهندگي بيشتر، پيش بيني بهتر، و كارايي بيشتر در الگوهاي مبتني بر سري هاي زماني با تواتر متفاوت است. از اين رو، تلاش مي شود كه با مروري بر پژوهش هاي پيشين پيشرفت ها و كاستي هاي شاخه جديد اقتصادسنجي شناخته شود.

Recent theoretical econometric studies have focused on mixed frequency data. These studies are of great importance since they emphasize the role of information in economic modeling. In the current Time Series approach, temporal aggregation is often turned to a period of identical alternation; however, such aggregation leads to information loss in higher-frequency data. The mixed frequency studies provide a way to avoid the need for such temporal aggregation. In particular, the main result of this branch of econometric studies is to improve explanatory power, prediction, and efficiency in time series modeling with mixed frequency data. Accordingly, this paper attempts to specify the developments and shortcomings of this new branch of econometrics by reviewing the extant literature.