Adaptive forecasting in the presence of recent and ongoing structural change

ما پیش بینی های سری زمانی را در حضور تغییرات ساختاری مداوم در نظر می گیریم که در آن وابستگی سری زمانی و ماهیت تغییر ساختار ناشناخته است. روش های که داده های قدیمی تر، مانند رگرسیون های نورد، میانگین میانگین پیش بینی های مختلف بر اساس میانگین های متحرک با توجه به تغییرات ساختاری تاریخی، در مقایسه با تغییرات ساختاری مداوم در دوره پیش بینی مفید است. مسئله حیاتی این است که چگونه درجه کمبود وزن را انتخاب کنید، معمولا با پارامتر تنظیم دلخواه تعریف می شود. ما با به حداقل رساندن خطای متوسط ​​مربعات پیش بینی، این انتخاب داده ها را وابسته می کنیم، و یک تحلیل نظری دقیق از پیشنهاد ما ارائه می دهیم. نتایج مونت کارلو این روش ها را نشان می دهد. ما عملکرد آنها را در 97 سری ماکروسافت آمریکا بررسی می کنیم. پیش بینی های استفاده از تنظیم داده ها بر اساس میزان تخفیف داده نشان می دهد که به خوبی عمل می کنند.