Efficient estimation of forecast uncertainty based on recent forecast errors

پیش بینی های چند مرحله ای پیش بینی عدم اطمینان پیش بینی پیش بینی فردی اغلب براساس ابزار نمونه خاص افق از خطاهای احتمالی پیش بینی شده مربع خود، که در آن تعداد خطاهای پیش بینی پیشین در دسترس است، یک به یک با افق پیش بینی می شود. در این مقاله، بهره وری کارایی از برآورد مشترک نااطمینی پیش بینی برای تمام افق ها در چنین نمونه هایی مورد بررسی قرار گرفته است. اگر عدم قطعیت پیش بینی بر اساس رگرسیون های به ظاهر بی ارتباط باشد، معلوم می شود که ماتریس کوواریانس خطاهای احتمالی مربعات پیش بینی نشده باید برآورد شود، اما فقط باید یک ساختار مشخص داشته باشد که در نمونه های کوچک یک ویژگی بسیار مفید است. با توجه به پیش بینی های بهینه و غیر مطلوب، دریافت می شود که افزایش بهره وری برای افق های طولانی در نمونه های کوچک قابل توجه است. عملکرد برتر رویکرد رگرسیون به ظاهر غیر مرتبط - در چندین کاربرد تجربی تایید شده است.