Сравнительный анализ модифицированных методов Грейнджера-Раманатхана и Бейтса-Грейнджера для построения объединенного прогноза динамики экономических показателей

Объединение прогнозов является одним из наиболее эффективных методов повышения точности экономического прогнозирования, хорошо зарекомендовавшим себя на практике. Данный подход, по мнению авторов статьи, позволяет использовать всю доступную информацию о прогнозируемом явлении, содержащуюся в индивидуальных методах прогнозирования. Тем более что на сегодняшний день существует множество подходов для построения весовых коэффициентов, с помощью которых интегрируются частные прогнозы.

В статье освещен ряд проблем, возникающих при большом разнообразии методов построения весовых коэффициентов, в первую очередь касающихся интерпретации полученных расчетных значений весовых коэффициентов которые влияют на точность прогнозов. Авторами проанализированы ранее предложенные подходы по модификации наиболее популярных методов построения весовых коэффициентов Грейнджера-Раманатхана и Бейтса-Грейнджера, которые позволяют решить проблему возможности получения отрицательных весов при объединении прогнозов. Кроме того, прокомментированы результаты сравнения на предмет точности прогнозных оценок при использовании модификаций данных методов объединения прогнозов с частными методами прогнозирования и с исходными методами объединения.

Все описанные в работе методы были использованы в прогнозировании некоторых отдельных видов продукции промышленного производства России, представленных в виде годовых данных за период с 1952 по 2018 г.: производства стали, кокса, фанеры и цемента. На основании разработанных прогнозов и проводилось сравнение точности полученных результатов.

Проведенный анализ показывает, что объединение прогнозов остается наиболее эффективным методом повышения точности прогнозирования, а предлагаемые авторами модификации методов построения весовых коэффициентов заслуживают дальнейшего их использования в экономической практике.

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

2. Френкель А.А., Сурков А.А. Определение весовых коэффициентов при объединении прогнозов // Вопросы статистики. 2017. № 12. С. 3-15.

3. Френкель А.А., Волкова Н.Н., Сурков А.А., Романюк Э.И. Сравнительный анализ методов построения объединенного прогноза // Вопросы статистики. 2017. № 7. С. 17-27.

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

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

6. Френкель А.А., Волкова Н.Н., Сурков А.А., Романюк Э.И. Пошаговое объединение индивидуальных прогнозов на основе метода Грейнджера-Раманатхана // Вопросы статистики. 2018. Т. 25. № 6. С. 16-24.

7. Френкель А.А., Волкова Н.Н., Сурков А.А., Романюк Э.И. Использование методов гребневой регрессии при объединении прогнозов // Финансы: теория и практика. 2018. Т. 22. № 4(106). С. 6-17.

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

9. Дрейпер Н., Смит Г. Прикладной регрессионный анализ Книга 2. М.: Финансы и статистика, 1986. 351 с.

10. Lee Tae-Hwy. Combining Forecasts with Many Predictors. In Advances in Economic Forecasting. Matthew L. Higgins. ed. Kalamazoo. MI: W.E. Upjohn Institute for Employment Research. 2011. P. 149-172.

11. Exterkate P., Groenen P.J.F., Heij C., van Dijk D. Nonlinear Forecasting with Many Predictors Using Kernel Ridge Regression // International Journal of Forecasting. 2016. № 32(3). P. 736-753.

12. Френкель А.А. Производительность труда: проблемы моделирования роста. М.: Экономика, 1984. 176 с.

13. Hoerl A.E. Application of Ridge Analysis to Regression Problems // Chemical Engineering Progress. 1962. № 58(1). P. 54-59.

14. Hoerl A.E., Kennard R.W. Ridge Regression: Aplications to Nonorthogonal Problems // Technometrics. 1970. № 12(1). P. 69-82.

15. Райская Н.Н., Френкель А.А. Применение гребневой регрессии в статистическом моделировании // Экономика и математические методы. 1985. Т. XXI. № 4. С. 715-725.

16. Bates J.M., Granger C.W.J. The Combination of Forecasts // Operational Research Quarterly. 1969. № 20. P. 451-468.

17. Newbold P., Granger C.W.J. Experience with Forecasting Univariate Time Series and the Combination of Forecasts // J. R. Statist. Soc. 1974. № 137. P. 131-164.

18. Granger C.W.J. Invited Review: Combining Forecasts-Twenty Years Later // Journal of Forecasting. 1989. № 8. P. 167-173.

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

20. Васильев А.А. Генезис гибридных моделей прогнозирования на основе объединения прогнозов // Вестник ТвГУ. 2014. № 23. C. 316-331.

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

22. 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.

23. Сурков А.А. Применение метода попарных сравнений при объединении экономических прогнозов // Учет. Анализ. Аудит. 2019. № 3. С. 32-42.