Консенсус-прогноз - Consensus forecast

«Консенсус-прогнозы» перенаправляются сюда. Консенсус-прогнозы, публикуемые Consensus Economics, см. Консенсусная экономика.

Используется в ряде наук, начиная от эконометрика к метеорология, консенсус-прогнозы представляют собой прогнозы будущего, которые создаются путем объединения нескольких отдельных прогнозов, которые часто создавались с использованием разных методологий. Также известен как комбинирование прогнозов, усреднение прогнозов или усреднение модели (в эконометрика и статистика ) и комитетные машины, ансамблевое усреднение или агрегирование экспертов (в машинное обучение ). Приложения могут варьироваться от прогноза погоды до прогнозирования годовых Валовый Внутренний Продукт страны или количества автомобилей, которые компания или частный дилер может продать за год. Хотя прогнозы часто делаются относительно будущих значений Временные ряды, они также могут быть связаны с разовыми событиями, такими как исход президентских выборов или футбольный матч.

Задний план

Прогнозирование играет ключевую роль в процессе планирования любой организации, поскольку дает представление о неопределенности. С помощью моделирования можно будет оценить, могут ли предлагаемые стратегии привести к достижению желаемых целей в заранее определенных пределах. В области экономическое прогнозирование, будущее экономики является неотъемлемой частью бизнес-прогнозов 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 Консенсусная экономика и Экономические показатели голубых фишек специализируется на публикации экономических прогнозов, первый из которых охватывает большинство основных регионов мира, а второй - 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 простой среднее среднее панели независимых прогнозов, полученных из разных методы прогнозирования, называется объединением прогнозов, а результат часто называют консенсус-прогнозом. Если только конкретная модель прогноза, которая дает меньшие ошибки прогноза по сравнению с другими индивидуальными прогнозами, применение консенсусного подхода может быть выгодным 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 научных исследований, посвященных точности прогнозов. Эмпирические исследования показывают, что объединение прогнозов повысило точность прогнозов.[1][2][3] Одним из преимуществ использования консенсусных прогнозов является то, что они могут оказаться полезными, 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 имеет смысл, 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 состоит в том, что отдельные прогнозы могут зависеть от множества поведенческие предубеждения, но их можно свести к минимуму, объединив 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 составляются 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 оказывается более точным, чем индивидуальный прогноз, составляющий консенсус.[4][5][6]

В общем, полезность метода консенсусного прогноза подтверждается множеством эмпирических исследований за последние десятилетия. Использование одинаковых весов в методе комбинирования привлекательно своей простотой и легко описывается. 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 Рой Бэтчелор в 2000 году демонстрирует большую точность консенсус-прогнозов по сравнению с макроэкономическими прогнозами, подготовленными ведущими транснациональными агентствами, такими как Международный Валютный Фонд и Организация экономического сотрудничества и развития.[7] Исследование Роберта К. Джонса показало: «По крайней мере, со времени публикации« Комбинации прогнозов »(Бейтс и Грейнджер [1969]) экономисты знали, что комбинирование прогнозов из разных источников может как повысить точность, так и уменьшить ошибку прогнозистов. 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 совмещения вероятностные прогнозы не так популярен.[3] Очень мало работ, в которых прямо рассматривается комбинация интервальные прогнозы Однако есть некоторый прогресс в области прогнозов плотности.[9][10] В контексте прогнозирования цен на электроэнергию был представлен простой, но эффективный альтернативный метод. Квантильное регрессионное усреднение (QRA) включает применение квантильная регрессия точечные прогнозы ряда отдельных моделей прогнозирования или экспертов.[11] Было обнаружено, что на практике он работает очень хорошо - две лучшие команды в ценовой трек из Конкурс глобального энергетического прогнозирования (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. Дои:10.1057 / palgrave.imfsp.9450007. JSTOR  30036001.
  • Новотный, Филип; Ракова, Мари (2011). «Оценка точности консенсус-прогнозов: перспектива Чешского национального банка» (PDF). Finance a Uver: Чешский журнал экономики и финансов. 61 (4): 348–366. Архивировано из оригинал (PDF) 31 декабря 2014 г.. Получено 2012-06-27.

использованная литература

  1. ^ Клемен, Роберт Т. (1989). «Объединение прогнозов: обзор и аннотированная библиография». Международный журнал прогнозирования. 5 (4): 559–583. Дои:10.1016/0169-2070(89)90012-5.
  2. ^ Бликс, Мартен; Вадефьорд, Иоахим; Винеке, Ульрика; Адаль, Мартин (2001). «Насколько хороши показатели прогнозирования основных институтов?». Экономическое обозрение. 3/2001.
  3. ^ 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. Дои:10.1016 / с1574-0706 (05) 01004-9. ISBN  9780444513953.
  4. ^ Макридакис; Хибон (2000). «Конкурс М3: итоги, выводы, последствия». Международный журнал прогнозирования. 16 (4): 451–476. Дои:10.1016 / s0169-2070 (00) 00057-1.
  5. ^ Макней, Стивен К. (ноябрь 1987 г.). «Консенсус-прогнозы: тирания большинства». Экономический обзор Новой Англии.
  6. ^ 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. Дои:10.1016 / j.ijforecast.2008.05.001.
  7. ^ Бэтчелор, Рой (2000). «МВФ и ОЭСР против консенсус-прогнозов». Прикладная экономика. 33 (2): 225–235. Дои:10.1080/00036840121785.
  8. ^ Джонс, Роберт С. (2014). «Принятие лучших инвестиционных решений». Журнал управления портфелем. 40 (2): 128–143. Дои:10.3905 / jpm.2014.40.2.128.
  9. ^ Уоллис, Кеннет Ф. (2005). «Сочетание прогнозов плотности и интервалов: скромное предложение *». Оксфордский бюллетень экономики и статистики. 67: 983–994. CiteSeerX  10.1.1.491.674. Дои:10.1111 / j.1468-0084.2005.00148.x. ISSN  1468-0084.
  10. ^ 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. Дои:10.1002 / jae.1192. ISSN  1099-1255.
  11. ^ Новотарский, Якуб; Верон, Рафал (2015). [Открытый доступ]. «Вычисление интервалов прогнозирования спотовых цен на электроэнергию с использованием квантильной регрессии и усреднения прогнозов». Вычислительная статистика. 30 (3): 791–803. Дои:10.1007 / s00180-014-0523-0. ISSN  0943-4062.