ASDSApplied Statistics and Data Science3066-84333066-8441Art and Technology10.61369/ASDS.2026010011Article一类自适应权重下的混频逻辑回归模型及其应用研究https://artdesignp.com/journal/ASDS/2/1/10.61369/ASDS.2026010011呼可可,刘梦丽2026212026-01-20混频数据在经济预测中具有重要价值，但传统处理方法往往因同频化操作而损失高频信息。本文研究了混合频率数据下的逻辑回归建模问题，为了提升对高频数据的信息利用率，我们提出了一种迭代加权优化算法，模拟结果表明，优化权重可以显著提高回归系数的估计精度，降低估计系数的偏差和标准差。实证结果显示，优化权重对经济衰退风险的识别灵敏度更强。本文为混频数据下的二分类预测提供了新的方法参考。混频数据,逻辑回归模型,自适应权重,经济风险评估

[1]Andreou, E., Ghysels, E. Regression models with mixed sampling frequencies[J]. Journal of Econometrics, 2010.[2] 江丽. 基于日内高频数据的Logit 回归模型及其应用研究—— 以螺纹钢期货为例[D]. 广州大学, 2025.[3] 刘营. 中国经济增长的高维混频短期预测与精度提升机理研究[D]. 吉林大学, 2023.[4] 许敏. 基于自适应权重函数的MIDAS-GARCH 模型及其应用研究[D]. 广州大学, 2025.[5]Audrino, F., Kostrov, A., and Kostrov, J. Predicting U.S. Bank Failures with MIDAS Logit Models[J]. Journal of Financial and Quantitative Analysis, 2019.[6] 祝子逸, 朱敏, 杨爱军等. 基于稀疏组惩罚混频数据抽样模型的中国宏观经济预测[J]. 数理统计与管理, 2024.[7] 卓杏轩. 高维非线性混频数据模型及应用研究[D]. 合肥工业大学, 2019.[8] 于洋. 混频数据回归模型的建模理论、分析技术研究[D]. 东北财经大学, 2016.[9] 刘汉. 中国宏观经济混频数据模型的研究与应用[D]. 吉林大学, 2013.[10]Ghysels, E. and Qian, H. Estimating MIDAS regressions via OLS with polynomial parameter profiling[J]. Econometrics and Statistics, 2019.