声明
1 绪论
1.1 选题背景及研究意义
1.2 文章方法及框架
1.2.1 文章方法
1.2.2 文章框架
1.3 文章的创新之处
2 文献综述
2.1 混频数据模型(MF)
2.2 贝叶斯向量自回归模型(BVAR)
2.3 混频贝叶斯向量自回归模型(MF-BVAR)
3 计量模型的构建及估计
3.1 混频数据
3.2 状态空间模型
3.2.1 状态方程
3.2.2 测量方程
3.3 卡尔曼滤波
3.3.1 直观介绍
3.3.2 数学推导
3.4 贝叶斯方法
3.4.1 Minnesota先验
3.4.2 后验分布
3.5 吉布斯采样
4 实证分析
4.1 数据结构与类型
4.2 超参数选择
4.3 MF-BVAR预测结果
4.4 MF-BVAR与MIDAS预测效果对比
5 总结
5.1 研究结论
5.2 创新与不足
致谢
参考文献
8 附录
8.1 攻读硕士学位期间的研究成果
8.2 MF-BVAR与MIDAS预测结果(RMSE)对比