Консенсусные прогнозы , используемые в ряде наук, от эконометрики до метеорологии , представляют собой прогнозы будущего, которые создаются путем объединения нескольких отдельных прогнозов, которые часто создавались с использованием разных методологий. Также известно как объединение прогнозов , усреднение прогнозов или усреднение моделей (в эконометрике и статистике ) и машин комитетов , усреднение по ансамблю или агрегирование экспертов (в машинном обучении ). Приложения могут варьироваться от прогноза погоды до прогнозирования годовыхВаловой внутренний продукт страны или количество автомобилей, которые компания или частный дилер могут продать за год. Хотя прогнозы часто делаются для будущих значений временного ряда , они также могут быть для разовых событий, таких как исход президентских выборов или футбольного матча.
Задний план
Прогнозирование играет ключевую роль в процессе планирования любой организации, поскольку позволяет понять неопределенность. С помощью моделирования можно будет оценить, могут ли предложенные стратегии достичь желаемых целей в заранее определенных пределах. В области экономического прогнозирования будущее развитие экономики является неотъемлемой частью деловой перспективы почти каждой компании, и, следовательно, существует значительный спрос на точные экономические прогнозы. Этому высокому спросу отвечает большой объем доступной прогнозной информации от правительств, международных агентств и различных частных фирм. Такие компании, как Consensus Economics и Blue Chip Economic Indicators, специализируются на публикации данных экономических прогнозов, причем первые из них охватывают большинство основных регионов мира, а вторые - экономику США. Однако расшифровать лучший метод прогноза - непростая задача, и она во многом зависит от целей пользователя и ограничений, с которыми он может столкнуться. Вместо того, чтобы пытаться определить единственный лучший метод прогнозирования, альтернативный подход состоит в объединении результатов независимых прогнозистов и усреднении прогнозов.
Этот метод взятия простого среднего среднего для группы независимых прогнозов, полученных с помощью различных методов прогнозирования , известен как объединение прогнозов, а результат часто называют консенсусным прогнозом. Если конкретная модель прогноза, которая дает меньшие ошибки прогноза по сравнению с другими индивидуальными прогнозами, не может быть идентифицирована, принятие консенсусного подхода может быть полезным из-за диверсификации. Комбинирование экономических прогнозов хорошо известно во многих странах и может включать центральные банки, правительственные учреждения и предприятия в число пользователей. В последние десятилетия консенсусные прогнозы вызвали большой интерес, подкрепленный публикацией огромного количества академических исследований, посвященных точности прогнозов. Эмпирические исследования показывают, что объединение прогнозов повышает точность прогнозов. [1] [2] [3] Одним из преимуществ использования консенсусных прогнозов является то, что он может оказаться полезным, если ситуация связана с высокой степенью неопределенности или риска, а выбор наиболее точного прогноза заранее затруднен. Даже если один метод признан лучшим, комбинирование все же целесообразно, если другие методы могут внести некоторый положительный вклад в точность прогноза. Более того, многие факторы могут повлиять на независимый прогноз, и они, наряду с любой дополнительной полезной информацией, могут быть получены с помощью консенсусного подхода. Еще один аргумент в пользу этого метода заключается в том, что отдельные прогнозы могут быть подвержены многочисленным поведенческим предубеждениям , но их можно минимизировать, комбинируя вместе независимые прогнозы. Следовательно, комбинирование рассматривается как помощь в повышении точности прогнозов за счет уменьшения ошибок прогнозов отдельных прогнозов. Более того, усреднение прогнозов, вероятно, будет более полезным, когда данные и методы прогнозирования, на основе которых составлены прогнозы, существенно различаются. И хотя это всего лишь простой подход (обычно невзвешенное среднее среднее), этот метод так же полезен, как и другие более сложные модели. Действительно, более поздние исследования за последнее десятилетие показали, что со временем комбинированный прогноз равных весов обычно более точен, чем индивидуальный прогноз, составляющий консенсус. [4] [5] [6]
В общем, полезность метода консенсусного прогноза подтверждается множеством эмпирических исследований за последние десятилетия. Использование равных весов в методе комбинирования привлекательно своей простотой и легкостью для описания. Среди прочего, этот простой метод усреднения прогнозов отдельных прогнозистов применялся на практике многими центральными банками мира, пытающимися оценить ожидания в частном секторе. Эмпирическое исследование, проведенное Роем Бэтчелором в 2000 году, демонстрирует большую точность согласованных прогнозов по сравнению с макроэкономическими прогнозами, подготовленными ведущими многонациональными агентствами, такими как Международный валютный фонд и Организация экономического сотрудничества и развития . [7] Исследование Роберта К. Джонса показало: «По крайней мере, с момента публикации« Комбинации прогнозов »(Бейтс и Грейнджер [1969]) экономисты знали, что комбинирование прогнозов из разных источников может как повысить точность, так и снизить вероятность прогнозирования Ошибка. За прошедшие годы многочисленные исследования подтвердили эти выводы, обозначили условия, при которых комбинации прогнозов наиболее эффективны, и попытались объяснить, почему простые равные веса работают так хорошо по сравнению с более сложными статистическими методами ». [8]
Вероятностные прогнозы
Хотя литература по комбинированию точечных прогнозов очень богата, тема комбинирования вероятностных прогнозов не так популярна. [3] Существует очень мало работ, в которых прямо рассматривается комбинация интервальных прогнозов , однако в области прогнозов плотности был достигнут некоторый прогресс. [9] [10] Простой, но эффективный альтернативный метод был представлен в контексте прогнозирования цен на электроэнергию. Усреднение квантильной регрессии (QRA) включает применение квантильной регрессии к точечным прогнозам ряда отдельных моделей прогнозирования или экспертов. [11] Было обнаружено, что на практике он работает очень хорошо - две лучшие по эффективности команды в ценовой категории конкурса Global Energy Forecasting Competition (GEFCom2014) использовали варианты QRA.
Смотрите также
дальнейшее чтение
- Тиммерманн, Аллан (2007). «Оценка прогнозов перспектив развития мировой экономики». Документы персонала МВФ . 54 (1): 1–33. CiteSeerX 10.1.1.547.96 . DOI : 10,1057 / palgrave.imfsp.9450007 . JSTOR 30036001 .
- Новотный, Филип; Ракова, Мари (2011). «Оценка точности консенсус-прогнозов: перспектива Чешского национального банка» (PDF) . Финансы в Уверье: Чешский журнал экономики и финансов . 61 (4): 348–366. Архивировано из оригинального (PDF) 31 декабря 2014 года . Проверено 27 июня 2012 .
Рекомендации
- ^ Клемен, Роберт Т. (1989). «Комбинирование прогнозов: обзор и аннотированная библиография». Международный журнал прогнозирования . 5 (4): 559–583. DOI : 10.1016 / 0169-2070 (89) 90012-5 .
- ^ Бликс, Мартен; Вадефьорд, Иоахим; Винеке, Ульрика; Адаль, Мартин (2001). «Насколько хороши показатели прогнозирования основных институтов?». Экономическое обозрение . 3/2001.
- ^ а б Тиммерманн, Аллан (2006). Дж. Эллиотт, К. В. Дж. Грейнджер и А. Тиммерманн (ред.). Глава 4 Комбинации прогнозов . Справочник по экономическому прогнозированию . 1 . С. 135–196. DOI : 10.1016 / s1574-0706 (05) 01004-9 . ISBN 9780444513953.
- ^ Макридакис; Хибон (2000). «Конкурс М3: итоги, выводы и последствия». Международный журнал прогнозирования . 16 (4): 451–476. DOI : 10.1016 / s0169-2070 (00) 00057-1 .
- ^ Макней, Стивен К. (ноябрь 1987 г.). «Консенсус-прогнозы: тирания большинства». Обзор экономики Новой Англии .
- ^ Golinelli, R .; Париги, Г. (2008). «Квадрат в реальном времени: набор данных в реальном времени для прогнозирования ВВП в реальном времени». Международный журнал прогнозирования . 24 (3): 368–385. DOI : 10.1016 / j.ijforecast.2008.05.001 .
- ^ Бэтчелор, Рой (2000). «МВФ и ОЭСР против консенсус-прогнозов». Прикладная экономика . 33 (2): 225–235. DOI : 10.1080 / 00036840121785 .
- ^ Джонс, Роберт С. (2014). «Принятие лучших инвестиционных решений». Журнал управления портфелем . 40 (2): 128–143. DOI : 10,3905 / jpm.2014.40.2.128 .
- ^ Уоллис, Кеннет Ф. (2005). «Объединение прогнозов плотности и интервалов: скромное предложение *». Оксфордский вестник экономики и статистики . 67 : 983–994. CiteSeerX 10.1.1.491.674 . DOI : 10.1111 / j.1468-0084.2005.00148.x . ISSN 1468-0084 .
- ^ Митчелл, Джеймс; Уоллис, Кеннет Ф. (2011). «Оценка прогнозов плотности: комбинации прогнозов, модельные смеси, калибровка и резкость». Журнал прикладной эконометрики . 26 (6): 1023–1040. CiteSeerX 10.1.1.216.9657 . DOI : 10.1002 / jae.1192 . ISSN 1099-1255 .
- ^ Новотарский, Якуб; Верон, Рафал (2015). [Открытый доступ]. «Расчет интервалов прогнозирования спотовых цен на электроэнергию с использованием квантильной регрессии и усреднения прогнозов» . Вычислительная статистика . 30 (3): 791–803. DOI : 10.1007 / s00180-014-0523-0 . ISSN 0943-4062 .