金融时间序列通常包含多个维度，不同维度数据的采样频率也不一致。本系列的量化专题报告里面曾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 (Reverse Untricted Mixed Data Sampling)。RU-MIDAS模型并没有对高频延时项系数数量和分布形态进行限制，如果包含的高频延时项过多，则会大大增加RU-MIDAS模型的待调参数，如果样本数量不够多则和很容易造成过度拟合的现象。因此Eric Ghysels等人通过引入MIDAS多项式来代替高频项系数，这种方法通常能把高频项系数的可调参数降低到2-3个。Claudia Foroni等人发现如果是季频和周频数据混合则MIDAS多项式对改进模型效果仍是有意义的。本系列专题主要研究期货交易中日频和周频基本面数据的混合，一周中通常包含5个交易日，而对于日频和周频数据是否应该使用MIDAS多项式对高频项系数进行限制这个问题，Claudia Foroni等人的论文并没有进行研究，所以这将是本报告研究的重点。在本报告里首先介绍了R-MIDAS模型的原理和结构，然后尝试利用周频和日频的螺纹钢因子数据对螺纹钢期货主力数据和其他品种数据进行预测，发现R-MIDAS模型在螺纹钢等品种上能取得更好的效果。华泰期货特此邀请您的参加！

一、会议时间：2018年3月29日15：30

二、会议主题及主讲人：利用限制性多项式改进混频时间序列模型---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：http://xldlive.com/app/video/8ec778d1814a5d2425574d075f87c99a

电脑版链接：http://xldlive.com/video/8ec778d1814a5d2425574d075f87c99a

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