Using survey data to forecast real activity with evolutionary algorithms. A cross-country analysis

در این مطالعه از انتظارات نظرسنجی در مورد طیف گسترده ای از متغیرهای اقتصادی برای پیش بینی فعالیت واقعی استفاده می کنیم. ما یک رویکرد تجربی برای به رسمیت شناختن الگوی عملیاتی ریاضی ارائه می دهیم که انتظارات بررسی را به رشد اقتصادی پیوند می دهد. ترکیب رگرسیون نمادین با برنامه نویسی ژنتیکی ما دو شاخص مبتنی بر نظرسنجی را ایجاد می کنیم: یک شاخص درک، با استفاده از ارزیابی عوامل در مورد حال و شاخص انتظارات با انتظارات خود را در مورد آینده است. به منظور پیدا کردن ترکیبی بهینه از هر دو شاخص که بهترین تکامل فعالیت های اقتصادی در هر کشوری است، ما از روش مدیریت نمونه کارها شناخته شده به عنوان ردیابی شاخص استفاده می کنیم. با استفاده از یک الگوریتم کاهش معادله تعمیم یافته، وزن نسبی هر دو شاخص را بدست آوریم. در اکثر اقتصادها، پیش بینی های مبتنی بر نظرسنجی که با شاخص کامپوزیت تولید شده اند، نسبت به مدل پیشنهادی برای پیش بینی های یک چهارم پیش بینی بهترند، اگر چه این بهبود تنها در اتریش، بلژیک و پرتغال قابل توجه است.