Консенсус-прогноз
Консенсусный прогноз — это предсказание будущего, созданное путем объединения нескольких отдельных прогнозов, которые часто создавались с использованием разных методологий. Они используются в ряде наук, от эконометрики до метеорологии , а также известны как комбинирование прогнозов , усреднение прогнозов или усреднение моделей (в эконометрике и статистике ) и комитетных машин , усреднение по ансамблю или агрегирование экспертов (в машинном обучении ).
Приложения могут варьироваться от прогнозирования погоды до прогнозирования годового валового внутреннего продукта страны или количества автомобилей, которые компания или отдельный дилер могут продать за год. Хотя прогнозы часто делаются для будущих значений временного ряда , они также могут относиться к разовым событиям, таким как исход президентских выборов или футбольного матча.
Фон
[ редактировать ]Прогнозирование играет ключевую роль в процессе планирования любой организации, поскольку оно дает представление о неопределенности. Посредством моделирования можно будет оценить, смогут ли предлагаемые стратегии достичь желаемых целей в заранее определенных пределах. В области экономического прогнозирования будущее развитие экономики является неотъемлемой частью бизнес-перспектив почти каждой компании, и, следовательно, существует значительная потребность в точных экономических прогнозах. Этому высокому спросу соответствует большой объем легкодоступной 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 охватывают большинство основных регионов мира, а также предоставляют прогнозы по валютам и сырьевым товарам, а вторые фокусируются на экономике США. Однако расшифровка наилучшего метода прогнозирования — непростая задача, и она во многом зависит от целей пользователя и ограничений, с которыми он, вероятно, столкнется. Вместо того, чтобы пытаться определить один лучший метод прогнозирования, альтернативный подход состоит в том, чтобы объединить результаты независимых прогнозистов и взять среднее значение прогнозов.
Этот метод получения простого среднего значения группы независимых прогнозов, полученных на основе различных методов прогнозирования , известен как объединение прогнозов, а результат часто называют консенсусным прогнозом. конкретную модель прогноза, которая дает меньшие ошибки прогноза Если не удастся определить по сравнению с другими отдельными прогнозами, принятие консенсусного подхода может быть полезным из-за выгод от диверсификации. Объединение экономических прогнозов хорошо зарекомендовало себя во многих странах и позволяет включать в число пользователей центральные банки, правительственные учреждения и предприятия. В последние десятилетия, [ когда? ] консенсусные прогнозы вызвали большой интерес, подкрепленный публикацией огромного количества научных исследований по точности прогнозов. Эмпирические исследования показывают, что объединение прогнозов повышает точность прогнозов. [1] [2] [3] Одним из преимуществ использования консенсусных прогнозов является то, что они могут оказаться полезными, если ситуация сопряжена с высокой степенью неопределенности или риска и заранее затруднен выбор наиболее точного прогноза. Даже если один метод признан лучшим, объединение все равно имеет смысл, если другие методы могут внести некоторый положительный вклад в точность прогноза. Более того, на независимый прогноз могут повлиять многие факторы, и их вместе с любой дополнительной полезной информацией можно получить, используя консенсусный подход. Еще одним аргументом в пользу этого метода является то, что отдельные прогнозы могут быть подвержены многочисленным поведенческим искажениям , но их можно свести к минимуму путем объединения независимых прогнозов. Следовательно, объединение рассматривается как помощь в повышении точности прогнозов за счет уменьшения ошибок прогнозирования отдельных прогнозов. Более того, усредненные прогнозы, вероятно, будут более полезными, когда данные и методы прогнозирования, на основе которых строятся компонентные прогнозы, существенно различаются. И хотя это всего лишь простой подход (обычно невзвешенное среднее значение), этот метод так же полезен, как и другие, более сложные модели. Действительно, более поздние исследования, проведенные за последнее десятилетие, показали, что с течением времени комбинированный прогноз с равными весами обычно становится более точным, чем индивидуальный прогноз, составляющий консенсус. [4] [5] [6]
В целом, полезность метода консенсусного прогнозирования была подтверждена множеством эмпирических исследований последних десятилетий. Использование равных весов в методе объединения привлекательно из-за своей простоты и легкости описания. Среди прочего, этот простой метод усреднения прогнозов отдельных прогнозистов был применен на практике многими центральными банками мира, когда они пытаются оценить ожидания в частном секторе. Эмпирическое исследование, проведенное Роем Бэтчелором в 2000 году, демонстрирует большую точность консенсусных прогнозов по сравнению с макроэкономическими прогнозами, произведенными 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 объединение 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
[ редактировать ]Хотя литература по комбинированию точечных прогнозов очень богата, тема комбинирования вероятностных прогнозов не столь популярна. [3] Существует очень мало статей, в которых явно рассматривается комбинация интервальных прогнозов , однако в области прогнозов плотности достигнут некоторый прогресс. [9] [10] В контексте прогнозирования цен на электроэнергию был использован простой, но мощный альтернативный метод. Усреднение квантильной регрессии (QRA) включает применение квантильной регрессии к точечным прогнозам ряда отдельных моделей прогнозирования или экспертов. [11] На практике было обнаружено, что он работает очень хорошо: две лучшие команды в ценовом рейтинге конкурса глобального энергетического прогнозирования (GEFCom2014) использовали варианты QRA.
См. также
[ редактировать ]- Оценка на основе консенсуса
- Принятие решений на основе консенсуса
- метод Дельфи
- Экономическое прогнозирование
- Усреднение по ансамблю
- Ансамблевое прогнозирование
- Усреднение квантильной регрессии (QRA)
- Прогнозирование эталонного класса
Дальнейшее чтение
[ редактировать ]- Тиммерманн, Аллан (2007). «Оценка прогнозов мировой экономики». Документы сотрудников 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 консенсусных прогнозов: точка зрения Чешского национального банка» (PDF) . Finance a Uver: Чешский журнал экономики и финансов . 61 (4): 348–366. Архивировано из оригинала (PDF) 31 декабря 2014 г. Проверено 27 июня 2012 г.
Ссылки
[ редактировать ]- ^ 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 .
- ^ Бликс, Мартен; Вадефьорд, Йоахим; Винеке, Ульрика; Адал, Мартин (2001). «Насколько хороши прогнозные показатели крупных институтов?». Экономическое обозрение . 3/2001.
- ^ Перейти обратно: а б Тиммерманн, Аллан (2006). Дж. Эллиотт, CWJ Грейнджер и А. Тиммерманн (ред.). Глава 4. Комбинации прогнозов . Том. 1. С. 135–196. дои : 10.1016/s1574-0706(05)01004-9 . ISBN 9780444513953 .
{{cite book}}
:|journal=
игнорируется ( помогите ) - ^ Макридакис; Хибон (2000). «Конкурс М3: итоги, выводы и последствия». Международный журнал прогнозирования . 16 (4): 451–476. дои : 10.1016/s0169-2070(00)00057-1 . S2CID 14583743 .
- ^ Макнис, Стивен К. (ноябрь 1987 г.). «Прогнозы консенсуса: тирания большинства». Экономический обзор Новой Англии .
- ^ Голинелли, Р.; Париджи, 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 консенсусных прогнозов». Прикладная экономика . 33 (2): 225–235. дои : 10.1080/00036840121785 .
- ^ Джонс, Роберт С. (2014). «Принятие лучших инвестиционных решений». Журнал управления портфелем . 40 (2): 128–143. дои : 10.3905/jpm.2014.40.2.128 . S2CID 155467875 .
- ^ Уоллис, Кеннет Ф. (2005). «Объединение 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 . S2CID 19395778 .
- ^ Митчелл, Джеймс; Уоллис, Кеннет Ф. (2011). «Оценка прогнозов плотности: комбинации прогнозов, смеси моделей, калибровка и точность». Журнал прикладной эконометрики . 26 (6): 1023–1040. CiteSeerX 10.1.1.216.9657 . дои : 10.1002/jae.1192 . ISSN 1099-1255 .
- ^ Новотарски, Якуб; Верон, Рафал (2015). «Вычисление интервалов прогнозирования спотовых цен на электроэнергию с использованием квантильной регрессии и усреднения прогноза» . Вычислительная статистика . 30 (3). [Открытый доступ]: 791–803. дои : 10.1007/s00180-014-0523-0 . ISSN 0943-4062 .