Budowa prognoz złożonych dla sezonowych modeli przyczynowo-opisowych

• Autorzy: Joanna Perzyńska

Warianty tytułu

Building of Combined Forecasts for Seasonal Causal-Descriptive Models

• Języki publikacji: PL

Abstrakty

W literaturze ekonometrycznej poświęconej prognozowaniu dominuje podejście polegające na dążeniu do wyboru najlepszej metody predykcji lub najlepszego predyktora. Jednak nie zawsze w sposób jednoznaczny można tego wyboru dokonać, ponieważ oceny mierników własności predyktywnych modeli mogą być bardzo zbliżone. W wielu przypadkach wybór ten może nosić znamiona arbitralności, a odrzucone prognozy mogą zawierać użyteczne niezależne informacje. W związku z tym pojawia się potrzeba wykorzystania jak największego zasobu dostępnych informacji, co jest możliwe dzięki utworzeniu nowej prognozy - prognozy złożonej będącej liniową kombinacją wszystkich dostępnych prognoz indywidualnych (czyli ich średnią ważoną). Podstawowym zadaniem jest takie wyznaczenie wartości wag, aby otrzymana na ich podstawie prognoza złożona obarczona była mniejszym błędem niż jej prognozy składowe. W przykładach empirycznych przedstawionych w pracach Perzyńskiej (2005, 2006) wyznaczone zostały prognozy złożone będące liniowym i kombinacjami prognoz dla danych w postaci szeregów czasowych. W niniejszej pracy rozważania zostaną rozszerzone na większą liczbę prognoz indywidualnych i dotyczyć będą zmiennej w postaci szeregu czasowego z wahaniami sezonowymi. Wśród metod służących do wyznaczania wag prognoz złożonych rozpatrzone zostaną zarówno klasyczne metody statystyczno-ekonometryczne, jak i metody wykorzystujące sztuczne sieci neuronowe. Przeprowadzone zostaną empiryczna analiza i porównanie efektywności metod wyznaczania złożonych prognoz zmiennej z wahaniami sezonowymi. Dokładność zbudowanych prognoz złożonych zostanie porównana z dokładnością ich prognoz składowych. (fragment tekstu)

EN

In the article author considers the situation in which several forecasts of the same variable are available. The forecasts was marked on basis of the causal:descriptive models for economic variable having the form of time series with seasonal fluctuations. Author creates new forecast of the same variable - the combined forecast which should be burdened with the smallest error. The author analyses four methods of creating combined forecasts as a weighted average and examines the efficiency of combined forecasts in comparison with individual forecasts. In the majority of the examination cases combined forecasts marked two methods: artificial neural networks and variance-covariance have smaller prediction errors than their component forecasts. It appears that the results of empirical research confirmed the higher efficiency of combined forecast in comparison with individual forecasts. (original abstract)

Słowa kluczowe

PL

Prognozowanie; Sztuczne sieci neuronowe (SSN); Ekonometria

EN

Forecasting; Artificial neural networks (ANN); Econometrics

• Czasopismo: Folia Pomeranae Universitatis Technologiae Stetinensis. Oeconomica
• Rocznik: 2009
• Numer: nr 57
• Strony: 85--94

Twórcy

autor

Joanna Perzyńska

• Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Bibliografia

• Bates J.M., Granger C.W.J. 1969. The combination of forecasts. Operat. Res. Quarterly 40, 451-468.
• Granger C.W.J., Newbold P. 1974. Forecasting univariate time series and the combination of forecasts. J. Royal Statist. Soc., Ser. A 137, 131- 165.
• Perzyńska-Wydrych J. 2005. Zastosowanie prognoz złożonych do prognozowania danych w szeregach czasowych. Folia Univ. Agric. Stetin., Ser. Oeconomica 245 (44), 417-422.
• Perzyńska-Wydrych J. 2006. Uogólnione metody budowy prognoz złożonych. Folia Univ. Agric. Stetin., Ser. Oeconomica 249 (45), 187-192.
• Perzyńska J. 2007. Zastosowanie sztucznych sieci neuronowych do wyznaczania prognoz złożonych, Folia Univ. Agric. Stetin., Ser. Oeconomica 258 (49), 137-148.
• Zawadzki J. 1996. Modelowanie predyktywne i prognozowanie zjawisk w skali mikroekonomicznej. Szczecin, Wydaw. U Szczec.