金融時(shí)間序列通常通常包含多個(gè)維度，不同維度數(shù)據(jù)的采樣頻率也不一致。如何處理這些不同頻率的數(shù)據(jù)是量化模型的一大難題。一種比較簡(jiǎn)單直接的方法就是降低數(shù)據(jù)的采樣頻率，例如把日頻數(shù)據(jù)統(tǒng)一為周頻（甚至更低如月頻），再基于周頻數(shù)據(jù)進(jìn)行預(yù)測(cè)。但這種方法的缺點(diǎn)也很明顯，期貨本身波動(dòng)就比較大，通過低頻采樣的數(shù)據(jù)只能按低頻預(yù)測(cè)的結(jié)果來交易，如果在一周中期貨價(jià)格發(fā)生了大變，也無(wú)法根據(jù)量化模型做出合理的應(yīng)對(duì)。

本報(bào)告介紹一種可利用低頻數(shù)據(jù)預(yù)測(cè)高頻數(shù)據(jù)的時(shí)間序列模型:RU-MIDAS(ReverseUntrictedMixedDataSampling)，中文可以譯作反面無(wú)限制混合數(shù)據(jù)采樣模型，這種模型是EricGhysels等人研究的MIDAS模型的反向應(yīng)用，MIDAS模型是利用高頻數(shù)據(jù)預(yù)測(cè)低頻數(shù)據(jù)，而RU-MIDAS則是利用低頻數(shù)據(jù)預(yù)測(cè)高頻數(shù)據(jù)，因此被稱為反面。另外MIDAS模型引入了多項(xiàng)式函數(shù)來代替延時(shí)參數(shù)，而RU-MIDAS模型則沒有引入多項(xiàng)是所以被稱為無(wú)限制。RU-MIDAS模型首先由ClaudiaForoni等人在論文UsingLowFrequencyInformationforPredictingHighFrequencyVariables中提出。原文作者使用的是單因子模型，而在本報(bào)告中則在此基礎(chǔ)上擴(kuò)展為多因子模型，希望通過多因子的引入和交易頻率的提高來規(guī)避中長(zhǎng)策略低頻調(diào)倉(cāng)可能出現(xiàn)的回撤。華泰期貨特此邀請(qǐng)您的參加！

一、會(huì)議時(shí)間：2018年2月28日15：30

二、會(huì)議主題及主講人：量化模型之“利用混頻多因子模型預(yù)測(cè)期貨日頻收益率”---陳維嘉

三、會(huì)議形式：直播平臺(tái)（掃描或長(zhǎng)按以下二維碼即可參會(huì)）

手機(jī)版鏈接：http://xldlive.com/app/video/cee98aea5c59dfac674b379ece764da9

電腦版鏈接：http://xldlive.com/video/cee98aea5c59dfac674b379ece764da9

四、參會(huì)報(bào)名：歡迎各界投資者聯(lián)系華泰期貨開戶營(yíng)業(yè)部或撥打咨詢電話400-628-0888