关于数据模拟方面的问题

我想做央行最新的那几个货币政策工具：常备借贷便利SLF，中期借贷便利MLF对一些经济因素的影响。而这些数据央行只按月公布，没有精确到每一天。这样如果做回归的话，会觉得样本量太少。即使从13年开始算起，大概只有30个总样本，而这些总样本中只有不到10个月是使用了新货币政策工具的。


于是只能用每个月的平均利率来做回归
因此感觉不好做——如果添加了太多的其他影响因素，如M2，存贷款利率等，在样本量不够的情况下，结果很难显著啊，并且扩充时间范围的话，太多因素在一个月中爆发了，会让货币工具的效力显得不明显。
所以我想用数据模拟的方式，做出最拟合方程的波动的日度数据
有没有一种方法，可以根据波动状况做模拟，
比如我预设，在利率波动超过某一限度后，侦测到这种状况后，就有SLF资金，或者MLF资金注入。因为理论是利率波动过大，银行就会向央行寻求资金。波动的程度越高，需求的资金就越高，根据这种特性，把每个月的SLF总额分配到一个月下的每一天，这样数据样本就会扩张了

请问有这样的模拟方法吗？？
或者我该怎么做呢？
我希望不是模拟出一组数据就结束了，除了模拟，在模拟后能够自动去拟合，然后找出最佳搭配方案的方法。。。

自己顶一下

很好，我做做看

...好像没有人有方法呀。。。。