جلالی نائینی،احمدرضا و نادریان، محمدامین (1396)، سیاستهای پولی و ارزی در یک اقتصاد صادرکننده نفت: مورد ایران، فصلنامه پژوهشهای پولی-بانکی سال نهم، شماره ۲۹ .
درگاهی، حسن(1395) طراحی مدل کلان‌سنجی برای آینده‌نگری اقتصاد کلان،موسسه عالی آموزش و پژوهش مدیریت و برنامه‌ریزی، معاونت پژوهشی-دفتر طرحهای پژوهشی
عزتی، مرتضی و سلمانی، یونس (1394) بررسی آثار مستقیم و غیرمستقیم تحریمها در رشد اقتصادی ایران با تأکید بر بخش خارجی اقتصاد فصلنامه آفاق امنیت، سال هفتم،شماره 25.
فدائی، مهدی؛ درخشان، مرتضی(1394)تحلیل اثرات کوتاه مدت و بلندمدت تحریمهای اقتصادی بر رشد اقتصادی در ایران، فصلنامه علمی پژوهشی، پژوهشهای رشد و توسعه اقتصادی، سال پنجم، ش. 18 ،صص 132-113.
کازرونی،علیرضا،اصغرپور،حسین و خضری، اوین (1395) بررسی اثر تحریمهای اقتصادی بر ترکیب شرکای عمده تجاری ایران طی دوره 1392-1371،فصلنامه پژوهشنامه بازرگانی، شماره 79 ،تابستان 1395 ،صص33-1
گرشاسبی، علیرضا و یوسفی دیندار، مجتبی(1395) بررسی اثرات تحریم بین المللی بر متغیرهای کلان اقتصادی ایران،فصلنامه تحقیقات مدلسازی اقتصادی،شماره 25،پائیز 1395
متقی،سمیرا(1397) تبیین کارایی تحریمهای اقتصادی وضع شده علیه جمهوری اسلامی ایران از منظر اقتصاد سیاسی، فصلنامه رهیافت،سال دوازدهم، شماره 42 ،بهار 1397 صص106-89
مرزبان،حسین و استادزاد،علی حسین(1394)، تاثیر تحریمهای اقتصادی برتولید و رفاه اجتماعی ایران: رهیافتی از الگوی رشد تعمیم‌یافته تصادفی،فصلنامه پژوهشهای اقتصادی ایران، سال بیستم،شماره 63 ،تابستان 1394 ،صص 69-3
نوفرستی، محمد(1398)الگوسازی اقتصادسنجی کلان در ایران،جلد اول،دانشگاه شهید بهشتی،مرکز چاپ وانتشارات،چاپ اول
نوفرستی، محمد(1398)الگوسازی اقتصادسنجی کلان در ایران،جلد دوم،دانشگاه شهید بهشتی،مرکز چاپ وانتشارات،چاپ اول
نوفرستی،محمد و سزاوار، محمدرضا (1400) ساخت شاخصی با تواتر ماهانه برای تحریمها علیه ایران، فصلنامه علمی پژوهشی راهبرد اقتصادی، سال دهم، شماره3، پیاپی 38، پائیز 1400، صص565-593
Andreou, E., Ghysels, E., & Kourtellos, A. (2010). Regression Models with Mixed Sampling Frequencies. Journal of Econometrics, 158(2), 246-261.
Andreou, E., Ghysels, E., and Kourtellos, A. (2013). Should macroeconomic forecasters use daily financial data and how? Journal of Business and Economic Statistics, 31(2):240–251.
Andreou, E., Ghysels, E., Kourtellos, A.(2011). Forecasting with mixed-frequency data. In: Clements, M., Hendry, D. (Eds.), Oxford Handbook of Economic Forecasting. Oxford University Press, Oxford, pp. 225–245
Armesto, M. (2010); Forecasting with mixed frequencies, Federal Reserve Bank of Saint Louis 92, 521-536.
Blanchard, Olivier(2018) On the future of macroeconomic models, Oxford Review of Economic Policy, Volume 34, Issue 1-2, Spring-Summer 2018, Pages 43–54.
Bolatbayeva,Aizhan, Tolepbergen,Alisher and Nurdaulet Abilov.(2020) A macroeconometric model for Russia, Russian Journal of Economics6 , 114–143
Breitung, J., Roling, C.(2015). Forecasting inflation rates using daily data: a nonparametric MIDAS approach. J. Forecast. 34 (7), 588–603.
Chen, X., and E. Ghysels. (2011). News—good or bad—and its impact on predicting future volatility. Review of Financial Studies 24, 1, 46–81
Clements, M. P., & Galvão, A. B. (2008). Macroeconomic Forecasting with Mixed-Frequency Data: Forecasting Output Growth in the United States. Journal of Business & Economic Statistics, 26(4), 546-554.
Clements, M. P., A. B. Galvão, and J. H. Kim. (2008). Quantile forecasts of daily exchange rate returns from forecasts of realized volatility. Journal of Empirical Finance 15:729–50.
Foroni, C., & Marcellino, M. (2014). Mixed-Frequency Structural Models: Identification, Estimation, and Policy Analysis. Journal of Applied Econometrics, 29(7), 1118-1144.
Fukacs, M. and A. Pagan (2010), “Structural macro-economic modelling in a policy environment”, in D. Giles and A. Ullah (eds.), editors, Handbook of Empirical Economics and Finance, Routledge.
Ghyseles, E., Sinko, A., & Valkano R. (2006) “MIDAS regressions: Further results and new directions”. econometric Reviews, 2007, 26
Ghysels, E. (2016). Macroeconomics and the Reality of Mixed Frequency Data. Journal of Econometrics, 193(2), 294-314.
Ghysels, E. , Santa-Clara, & Valkano R. (2004). The MIDAS Touch :Mixed Frequency Data Sampling Regressions. Manuscript, University of North Carolina and UCLA
Ghysels, E.(2016). Macroeconomics and the reality of mixed frequency data. J. Econ. 193 (2), 294–314.
Ghysels, E., & Wright, J. H. (2009). Forecasting Professional Forecasters. Journal of Business & Economic Statistics, 27(4), 504-516.
Ghysels, E., Marcellino, M. (2018). Applied Economic Forecasting Using Time Series Methods. Oxford University Press, Oxford, New York.
Ghysels, E., Qian, H., (2019). Estimating MIDAS regressions via OLS with polynomial parameter profiling. Economet. Stat. 9, 1–16.
Gotz, T. B., Hecq, A., and Urbain, J.-P. (2014). Forecasting mixed-frequency time series with ecm-midas models. Journal of Forecasting, 33(3):198–213.
Gudgin, Graham., Coutts, Ken and Gibson,N.(2015). The CBR Macro-Economic Model of The UK Economy (UKMOD), Centre for Business Research, University of Cambridge Working Paper No. 472
Hall. A.D., J. Jacobs and A Pagan (2013), "Macro-Econometric System Modelling @75", CAMA Working Paper 67
Hendry, D.F. (2020). `A Short History of Macro-econometric Modelling’, Journal of Banking, Finance and Sustainable Development, 1, pp.1—32
Kenneth Katzman(2020)Iran Sanctions,Congressional Research Service, RS20871 VERSION 307 · UPDATED
Klein, L.R., Sojo, E. (1989) Combinations of High and Low Frequency Data in Macroeconomic Models. in L.R. Klein and J. Marquez (EDS), Economics in Theory and practice: An Eclectic & Approach. Kluwer Academic Publishers, pp.3- 14
Seong,Byeongchan (2020), Smoothing and forecasting mixed-frequency time series with vector exponential smoothing models, Economic Modelling, 91:463–468
Theil,H.(1966)Applied Economic Forecasting,North-Holland,amsterdam.
)