金融时间序列通常通常包含多个维度，不同维度数据的采样频率也不一致。如何处理这些不同频率的数据是量化模型的一大难题。一种比较简单直接的方法就是降低数据的采样频率，例如把日频数据统一为周频（甚至更低如月频），再基于周频数据进行预测。但这种方法的缺点也很明显，期货本身波动就比较大，通过低频采样的数据只能按低频预测的结果来交易，如果在一周中期货价格发生了大变，也无法根据量化模型做出合理的应对。

本报告介绍一种可利用低频数据预测高频数据的时间序列模型:RU-MIDAS(ReverseUntrictedMixedDataSampling)，中文可以译作反面无限制混合数据采样模型，这种模型是EricGhysels等人研究的MIDAS模型的反向应用，MIDAS模型是利用高频数据预测低频数据，而RU-MIDAS则是利用低频数据预测高频数据，因此被称为反面。另外MIDAS模型引入了多项式函数来代替延时参数，而RU-MIDAS模型则没有引入多项是所以被称为无限制。RU-MIDAS模型首先由ClaudiaForoni等人在论文UsingLowFrequencyInformationforPredictingHighFrequencyVariables中提出。原文作者使用的是单因子模型，而在本报告中则在此基础上扩展为多因子模型，希望通过多因子的引入和交易频率的提高来规避中长策略低频调仓可能出现的回撤。华泰期货特此邀请您的参加！

一、会议时间：2018年2月28日15：30

二、会议主题及主讲人：量化模型之“利用混频多因子模型预测期货日频收益率”---陈维嘉

三、会议形式：直播平台（扫描或长按以下二维码即可参会）

手机版链接：http://xldlive.com/app/video/cee98aea5c59dfac674b379ece764da9

电脑版链接：http://xldlive.com/video/cee98aea5c59dfac674b379ece764da9

四、参会报名：欢迎各界投资者联系华泰期货开户营业部或拨打咨询电话400-628-0888