Nowa wersja platformy jest już dostępna.
Przejdź na https://bibliotekanauki.pl

PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2010 | 28 | nr 91 Prognozowanie = Forecasting | 59-75
Tytuł artykułu

Multi-Criteria Combined Forecasts

Warianty tytułu
Wielokryterialne prognozy kombinowane
Języki publikacji
EN
Abstrakty
Stosowanie kombinacji prognoz wynika z przekonania, że pojedynczy model nic może opisać w całości rzeczywistego, często skomplikowanego, procesu ekonomicznego. Referat jest próbą spojrzenia na kombinowanie prognoz jako wielokryterialny proces decyzyjny. Wielokryterialność wynika z konieczności wyboru: (a) indywidualnych prognoz cząstkowych (ilości, jakości, rodzaju), (b) wartości wag z nimi związanych (wyznaczenia numerycznego lub przyjęcia arbitralnego), (c) postaci matematycznej kombinacji czy wreszcie (d) miary oceniającej jakość prognozy kombinowanej. W referacie dokonujemy przeglądu metod kombinowania prognoz oraz przedstawiamy wyniki badania własnego polegającego na opracowaniu prognozy kombinowanej inflacji w Polsce. Analiza tych wyników wskazuje na celowość kombinowania, zwłaszcza jeśli wagi dla prognoz indywidualnych będą wyznaczane w drodze optymalizacji wielokryterialnej. Badanie pokazuje również, że kombinowanie prognoz jest użyteczne, także w sytuacji, gdy występuje dominująca prognoza indywidualna.(abstrakt oryginalny)
EN
Using combination of forecasts results from the underlying belief that there is no such a single model that could comprise the whole actual and often complex economic process. The aim of this paper is an attempt to look at combining forecasts as a multi-criteria decision-making process. It is a multi-criteria process as we need to select: (a) individual component forecasts (quantity, quality, type), (b) values of their weights (objective determination of weights or their arbitrary choice), (c) a mathematical representation of combination and (d) a measure to assess the quality of a combined forecast. In the paper we provide an overview of methods applied for combining forecasts and show the results of our study of a combined forecast for inflation in Poland. The analysis indicates that combining forecasts is fully justified, especially if weights for individual forecasts are determined on the basis of multi-criteria optimization. The results also show that combining forecasts is useful even if a dominant individual forecast exists.(original abstract)
Twórcy
  • University of Lodz, Poland
  • University of Lodz, Poland
Bibliografia
  • Agnew C., Bayesian consensus forecasts of macroeconomic variables, Journal of Forecasting 1985, Vol. 4.
  • Armstrong S., Principles of Forecasting: A Handbook for Researchers and Practitioners, Kluwer Academic Publishers, Dordrecht 2001.
  • Armstrong S., Collopy F., Causal forces: Structuring knowledge for time-series extrapolation. Journal of Forecasting 1993, Vol. 12.
  • Armstrong S., Lusk E., Commentary on the Makridakis time series competition (M-competition), Journal of Forecasting 1983, Vol. 2.
  • Bates J., Granger C., The combination of forecasts, Operations Research Quarterly 1969, Vol. 20.
  • Bunn D.W., A Bayesian approach to the linear combination of forecasts, Operational Research Quarterly 1975, Vol. 26.
  • Chen Z., Yang Y., Assessing forecast accuracy measures. Preprint Series 2004, No 2004-10, Department of Statistics, Iowa State University, 2004.
  • Cieślak M. (ed.), Prognozowanie gospodarcze. Metody i zastosowania. Wydawnictwo Naukowe PWN, Warszawa 2000.
  • Clemen R.T., Combining forecasts. A review and annotated bibliography, International Journal of Forecasting 1989, Vol.5.
  • Clements M., Hendry D., A Companion to Economic Forecasting, Vol. 2, Blackwell, 2002 [published online].
  • Collopy F., Armstrong J., Rule-based forecasting: Development and validation of an expert systems approach to combining time series extrapolations, Management Science 1992, Vol. 38.
  • Costantini M., Pappalardo C, Combination offorecast methods using encompassing tests: An algorithm-based procedure, Reihe Okonomie. Economics Series 2008, Vol. 228.
  • De Menezes L.M., Bunn D.W., Taylor J.W., Review of guidelines for the use of combined forecasts, European Journal of Operational Research 2000, Vol. 120.
  • Diebold F., Mariano R., Comparing predictive accuracy, Journal of Business and Economic Statistics 1995, Vol. 13.
  • Diebold F., Pauly P., Structural change and the combination of forecasts, Journal of Forecasting 1987, Vol. 6.
  • Dittmann P., Prognozowanie w przedsiębiorstwie. Metody i ich zastosowanie, Woltcrs Kluwer, Warszawa 2008.
  • Donaldson R.G., Kamstra M., Forecast combining with neural networks-, Journal of Forecasting 1996, Vol. 15, No 1.
  • Flores B.E., White E.M., A framework for the combination of forecasts, Journal of the Academy of Marketing Sciences 1988, Vol. 6. No 3-4.
  • Granger C., Newbold P., Forecasting Economic Time Series, Academic Press, New York 1986.
  • Greszta M., Maciejewski W., Kombinowanie prognoz gospodarki Polskiej, Gospodarka Narodowa 2005, nr 5-6.
  • Hansen P., A test for superior predictive ability, Journal of Business and Economic Statistics 2005, Vol. 23.
  • Harvey D.I., Leybourne S.J., Newbold P., Tests for forecast encompassing. Journal of Business and Economic Statistics 1998, Vol. 16.
  • Harvey D., Newbold P., Test for multiple forecast encompassing, Journal of Applied Econometrics 2000, Vol. 15.
  • Lemke C., Gabryś B., Forecasting and forecast combination in airline revenue management applications, [in:] N.T. Nguyen, G. Kołaczek, B. Gabrys (eds.), Knowledge Processing and Reasoning for Information Society, EXIT, Warszawa 2008.
  • Li F., Tkacz G. Combining forecasts with nonparametric kernel regressions, Studies in Nonlinear Dynamics and Econometrics 2004, Vol. 4.
  • Makridakis S., Andersen A., Carbone R., Fildes R., Hibon M., Lewandowski M., Newton J., Parzen E., Winkler R., The accuracy of extrapolation (time series) methods: Results of a forecasting competition, Journal of Forecasting 1982, Vol. 1.
  • Makridakis S., Chatficld C, Hibon M., Lawrence M., Mills T., Ord K., Simmons L., The M2-competition: A real-time judgmentally based forecasting study, International Journal of Forecasting 1993, Vol. 9.
  • Makridakis S., Hibon M., The Mi-Competition: results, conclusions and implications. International Journal of Forecasting 2000, Vol. 16.
  • McNees S.K., The uses and abuses of consensus 'forecasts, Journal of Forecasting 1992, Vol. 11.
  • Milo W. (ed.), Prognozowanie i symulacje, Wydawnictwo Uniwersytetu Łódzkiego, Łódź 2002.
  • Shi S., Da Xu L., Liu B., Improving the accuracy of nonlinear combined forecasting using neural networks, Expert Systems with Applications 1999, Vol. 16, No 1.
  • Taylor J., Bunn D., Combining forecast quantiles using quantile regression: Investigating the derived weights, estimator bias and imposing constraints, Journal of Applied Statistics 1998, Vol. 2.
  • Taylor J., Bunn D., Investigating improvements in the accuracy of prediction intervals for combinations of forecasts: A simulation study. International Journal of Forecasting 1999, Vol. 3.
  • Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne. Teoria, przykłady, zadania, PWN, Warszawa 2003.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171316661
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.