کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7408513 | 1481445 | 2014 | 11 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Efficient estimation of forecast uncertainty based on recent forecast errors
ترجمه فارسی عنوان
برآورد موثر عدم قطعیت پیش بینی بر اساس اشتباهات پیش بینی اخیر
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
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.
موضوعات مرتبط
علوم انسانی و اجتماعی
مدیریت، کسب و کار و حسابداری
کسب و کار و مدیریت بین المللی
چکیده انگلیسی
Multi-step-ahead forecasts of the forecast uncertainty of an individual forecaster are often based on the horizon-specific sample means of his recent squared forecast errors, where the number of past forecast errors available decreases one-to-one with the forecast horizon. In this paper, the efficiency gains from the joint estimation of forecast uncertainty for all horizons in such samples are investigated. If the forecast uncertainty is estimated by seemingly unrelated regressions, it turns out that the covariance matrix of the squared forecast errors does not have to be estimated, but simply needs to have a certain structure, which is a very useful property in small samples. Considering optimal and non-optimal forecasts, it is found that the efficiency gains can be substantial for longer horizons in small samples. The superior performance of the seemingly-unrelated-regressions approach is confirmed in several empirical applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Forecasting - Volume 30, Issue 2, AprilâJune 2014, Pages 257-267
Journal: International Journal of Forecasting - Volume 30, Issue 2, AprilâJune 2014, Pages 257-267
نویسندگان
Malte Knüppel,