ОПРЕДЕЛЕНИЕ ВЕСОВЫХ КОЭФФИЦИЕНТОВ ПРИ ОБЪЕДИНЕНИИ ПРОГНОЗОВ
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.
Ключевые слова
Об авторах
Александр Адольфович Френкель
Институт экономики РАН
Россия
Россия
Френкель Александр Адольфович - доктор экономических наук, профессор, главный научный сотрудник
Москва
А. А. Сурков
Институт экономики РАН
Россия
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.
Рецензия
При поддержке: Российский фонд фундаментальных исследований (проект № 16-06-00183)
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: 487
.png)
.png)
Послать статью по эл. почте 
