Preview

Вопросы статистики

Расширенный поиск

ОПРЕДЕЛЕНИЕ ВЕСОВЫХ КОЭФФИЦИЕНТОВ ПРИ ОБЪЕДИНЕНИИ ПРОГНОЗОВ

Полный текст:

Аннотация

Применение метода объединения прогнозов уже зарекомендовало себя как простой и практичный метод повышения качества прогнозирования. Использование всей доступной информации о процессе из различных методов прогнозирования позволяет повышать точность прогнозирования даже в условиях, когда индивидуальные методы являются не достаточно точными.

Авторы данной статьи продолжают и развивают положения ранее опубликованных обзоров различных подходов и методов построения весовых коэффициентов для объединения прогнозов. В последние несколько десятилетий в зарубежной литературе появилось множество работ по сравнительному анализу и обоснованию различных методов объединения прогнозов. К сожалению, в отечественной литературе авторы уделяют мало внимания этому направлению совершенствования методологии прогнозирования, в частности не осуществляют сравнения разных методов объединения прогнозов. А те работы, которые все же проводят сравнение, ограничиваются в таком сравнении всего лишь несколькими простыми методами. Многие методы объединения прогнозов, которые широко используются за рубежом, не рассматриваются отечественными учеными. Это продолжение обзоров и прошлые обзоры ставят перед собой задачи рассмотреть различные подходы к получению весовых коэффициентов при объединении прогнозов и ознакомить с ними отечественных ученых и исследователей.

Итогом статьи является дополнение к ранее предложенной классификации (Вопросы статистики, 2015, № 8) основных и наиболее часто используемых методов объединения прогнозов с описанием полученных результатов по данным методам и с указанием научных публикаций как отечественных, так и иностранных авторов по рассматриваемому вопросу с включением в список литературных источников работ, ранее не вошедших в предыдущие обзоры авторов.

Об авторах

Александр Адольфович Френкель
Институт экономики РАН
Россия

Френкель Александр Адольфович  - доктор экономических наук, профессор, главный научный сотрудник 

Москва



А. А. Сурков
Институт экономики РАН
Россия

Сурков Антон Александрович младший научный сотрудник 

Москва



Список литературы

1. Gooijer Jan G. De, Rob J.H. 25 years of time series forecasting // International Journal of Forecasting. 2006. Vol. 22 (3). P. 443-473.

2. Hall S.G., Mitchell J. Combining density forecasts // International Journal of Forecasting. 2005. Vol. 23. P. 1-13.

3. Hendry D.F., Hubrich K. Combining disaggregate forecasts or disaggregate information to forecast an aggregate? // Journal of Business and Economics Statistics. 2011. Vol. 29 (2). P. 216-227.

4. Hsiao C., Wan S.K. Is there an optimal forecast combination? // Journal of Econometrics. 2014. Vol. 178. Part 2. P. 294-309.

5. Forecast foreign exchange with both linear and nonlinear models coupled with trading rules for selected currencie // 21st International Congress on Modelling and Simulation, Australia. 2015. P. 1112-1118.

6. Tse A., Chan C. Composite ordinal forecasting in horse racing - an optimization approach // Gaming Research & Review Journal. 1999. Vol. 1. No. 4. P. 81-90.

7. Френкель А.А., Сурков А.А. Методологические подходы к улучшению точности прогнозирования путем объединения прогнозов // Вопросы статистики. 2015. № 8. С. 17-36.

8. Френкель А.А., Сурков А.А. Объединение прогно- зов - эффективный инструмент повышения точности прогнозирования // Экономист. 2015. № 1. С. 44-56.

9. Fang Y. Forecasting combination and encompassing tests // International Journal of Forecasting. 2003. Vol. 19. P. 87-94.

10. Ikoku N.A.E., Okany C.T. Improving Accuracy with Forecast Combination: the Case of Inflation and Currency in Circulation in Circulation in Nigeria // CBN Journal of Applied Statistics. 2017. Vol. 8. No. 1. P. 49-69.

11. Kapetanios G.J., Mitchell J., Price S, Fawcett N. Generalized density forecast combinations // Journal of Econometrics. 2015. Vol. 188 (1). P. 150-165.

12. Kodogiannis V.S., Lolis A. Forecasting exchange rates using neural network and fuzzy system based techniques // Proceedings of 2001 WSES International Conference. World Scientific and Engineering Society Press, Athens, Greece. 2001. P. 4241-4246.

13. Bates J.M., Granger C.W.J. The combination of forecasts // Operational Research Quarterly. 1969. Vol. 20. P. 451-468.

14. Бережная Е.В., Алексеева О.А. Разработка методики краткосрочного комбинированного прогнозирования // Вестник Северо-Кавказского госу- дарственного технического университета. 2005. № 1. С. 150-153.

15. Бидюк П.И., Гасанов А.С., Вавилов С.Е. Анализ качества оценок прогнозов с использованием метода комплексирования // Системні дослідження та інформаційні технології. 2013. № 4. С. 7-16.

16. Woodcock F., Engel C. Operational Consensus Forecasts // American Meteorological Society. 2005. Vol. 20. P. 101-111.

17. Clemen R.T. Linear constraints and the efficiency of combined forecasts // Journal of Forecasting. 1986. Vol. 5. P. 31-38.

18. Granger C.W. J., Ramanathan R. Improved methods of combining forecasts // Journal of Forecasting. 1984. Vol. 3. P. 197-204.

19. Andrawis R.R., Atiya A.F., El-Shishiny H. Combination of long term and short term forecasts, with application to tourism demand forecasting // International Journal of Forecasting. 2011. Vol. 27. P. 870-886.

20. Michis A. Monitoring Forecasting Combinations with Semiparametric Regression Models central bank of Cyprus // Working paper series. 2012. No. 2.

21. Shen S., Song G., Li H. Combination Forecasts of International Tourism Demand // Annals of Tourism Research. 2011. Vol. 38 (1). P. 72-89.

22. Yang Y. Adaptive Regression by Mixing // Journal of the American Statistical Association. 2001. Vol. 96 (454). P. 574-588.

23. Андреев А. Прогнозирование инфляции методом комбинирования прогнозов в Банке России // Серия докладов об экономических исследованиях. Банк России. 2016. № 14.

24. Pantazopoulos S.N., Pappis C.P. New methods for combining forecasts // Yugoslav Journal of Operation Research. 1998. Vol. 8. P. 103-109.

25. Stock J.H., Watson M.W. A comparison of linear and nonlinear univariate models for forecasting macroeconomic time series. In: Engle R F, White H (eds.) // Cointegration, Causality, and Forecasting: a Festschrift in Honour of Granger C.W.J., Cambridge University Press, Cambridge, UK. 1999.

26. Hubrich K., Skudelny F. Forecast combination for Euro Area inflation - a cure in times of crisis? // Finance and Economics Discussion Series. 2016. №1972. P. 1-44.

27. Mamdouh A.M.A, Doaa A.A. Combining forecasts from linear and nonlinear models using sophisticated approaches // International Journal of Economics and Finance. 2015. Vol. 7. No. 11. P. 190-206.

28. Stock J.H., Watson M.W. Combination Forecasts of Output Growth in a Seven-Country Data Set // Journal of Forecasting. 2004. Vol. 23. P. 405-430.

29. Stock J.H., Watson M.W. Forecasting output and inflation: the role of asset prices // Journal of Economic Perspectives. 2003. Vol. 41. P. 788-829.

30. Кузнецов А.А., Журов А.В. Взвешенный прогноз на основе анализа временных рядов // Вестник Сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. 2007. № 4. С. 39-40.

31. Бойко А.А. Разработка гибридной модели прогнозирования валютного курса // Инвестиционный, финансовый и управленческий анализ. 2017. № 4. Т. 2. С. 181-191.

32. Hansen B.E. Least-squares forecast averaging // Journal of Econometrics. 2008. Vol. 146. P. 342-350.

33. Buckland S.T., Burnhamn K.P., Augustin N.H. Model selection: An integral part of inference // Biometrics. 1997. Vol. 53. P. 603-618.

34. Burnham K.P., Anderson D.R. Model selection and multimodel inference: a practical information-theoretic approach // Second ed. Springer, New York, 2002.

35. Fernandez-Vazquez E., Moreno B. Entropy econometrics for combining regional economic forecasts: a data-weighted prior estimator // Journal of Geographical Systems. 2017. Vol. 19 (4). P. 349-370.

36. Сурков А.А. Один из подходов повышения точности экономического прогнозирования // РИСК: Ресурсы, Информация, Снабжение, Конкуренция. 2017. № 2. С. 140-147.

37. Newbold P., Granger C.W.J. Experience with forecasting univariate time series and the combination of forecasts // J. R. Statist. Soc. 1974. Vol. 137. P. 131-164.

38. Бейлинсон Я.Е., Мотова М.А. Комбинированные модели прогноза // Экспресс-информация, Серия: Моделирование социально-экономических процессов. 1990. Вып. 2. С. 110-121.

39. Остапюк С.Ф., Мотова М.А. Модели построения комбинированного прогноза развития научно-технической сферы // Проблемы прогнозирования. 2004. № 1. С. 146-156.

40. Makridakis S., Winkler R.L. Averages of forecasts: some empirical results, Management Science. 1983. Vol. 9. P. 987-996.

41. Winkler R.L., Clemen R.T. Sensitivity of weights in combining forecasts // Operations Research. 1992. Vol. 40. P. 609-614.

42. Makridakis S., Hibon M. The M3-Competition: results, conclusions and implications // International Journal of Forecasting. 2000. Vol. 16. P. 451-476.

43. Jose V.R.R., Winkler R.L. Simple robust averages of forecasts: some empirical results // International Journal of Forecasting. 2008. Vol. 24. P. 163-169.

44. Goodwin P. New evidence on the value of combining forecasts // FORESIGHT. 2009. Vol. 12. P. 33-35.

45. Winkler, R.L., Clemen R.T. Sensitivity of weights in combining forecasts // Operations Research. 1992. Vol. 40. P. 609-614.

46. Trenkler G., Liski E.P. Linear constraints and the efficiency of combined forecasts // Journal of Forecasting. 1986. Vol. 5. P. 197-202.

47. Ершов Э.Б. Об одном методе объединения частных прогнозов // В кн.: Статистические методы анализа экономической динамики. Учен. зап. по статистике. М.: Наука, 1973. Т. XXII-XXIII. С. 87-105.

48. Балтрушевич Т.Г. Модели и методы оценки эффективности гибких производственных систем // Автореф. дис. … канд. эк. наук. М., 1991. С. 17-20.

49. Yang Y. Adaptive regression by mixing // Journal of American Statistical Association. 2001. Vol. 96. P. 574-588.

50. Zou H., Yang Y. Combining time series models for forecasting // International Journal of Forecasting. 2004. Vol. 20. P. 69-84.

51. Bunn D.W. A Bayesian approach to the linear combination of forecasts // Operational Research Quarterly. 1975. Vol. 26. P. 325-329.

52. Bunn D.W. A Comparative evaluation of the outperformance and minimum variance procedures for the linear synthesis of forecasts // Operational research quarterly. 1977. Vol. 28. No. 3. P. 653-662.

53. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов. М.: Финансы и статистика, 2003. С. 121-135.

54. Дуброва Т.А. Статистический анализ и прогнозирование экономической динамики: проблемы и подходы // В кн.: Методология статистического исследования социально-экономических процессов. М.: Юнити-Дана, 2012. С. 129-138.

55. Горелик Н.А., Френкель А.А. Статистические проблемы экономического прогнозирования // В кн.: Статистические методы анализа экономической динамики. Учен. зап. по статистике. М.: Наука, 1983. Т. 46. С. 9-48.

56. Френкель А.А. Прогнозирование производительности труда: методы и модели. М.: Экономика, 1989. С. 142-154.

57. Gupta S., Wilton P.C. Combination of forecasts: an extension // Management Science. 1987. Vol. 3. P. 356-371.

58. Gupta S., Wilton P.C. Combination of Economic Forecasts: An Odds-Matrix Approach // Journal of Business and Economic Statistics. 1988. Vol. 6. P. 373-379.


Для цитирования:


Френкель А.А., Сурков А.А. ОПРЕДЕЛЕНИЕ ВЕСОВЫХ КОЭФФИЦИЕНТОВ ПРИ ОБЪЕДИНЕНИИ ПРОГНОЗОВ. Вопросы статистики. 2017;1(12):3-15.

For citation:


Frenkel A.A., Surkov A.A. DETERMINATION OF WEIGHTING FACTORS IN COMBINING FORECASTS. Voprosy statistiki. 2017;1(12):3-15. (In Russ.)

Просмотров: 262


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2313-6383 (Print)
ISSN 2658-5499 (Online)