ИСПОЛЬЗОВАНИЕ МЕТОДОВ ГРЕБНЕВОЙ РЕГРЕССИИ ПРИ ОБЪЕДИНЕНИИ ПРОГНОЗОВ


https://doi.org/10.26794/2587-5671-2018-22-4-6-17

Полный текст:


Аннотация

Прогнозирование экономических показателей с помощью временных рядов с использованием того или иного, но единственного метода приводит к тому, что вся информация, которая содержится в других методах прогнозирования, обычно отбрасывается. Игнорируемая информация может содержать сведения, позволяющие оценить другие стороны экономического процесса. Объединение прогнозов дает возможность использовать почти всю информацию, содержащуюся в частных прогнозах.
В работе оценивается эффективность использования метода регрессионного анализа, в частности гребневой регрессии для нахождения весовых коэффициентов при частных прогнозах в объединенном прогнозе. Проводится сравнение точности прогнозирования на основе гребневой регрессии с другими методами объединения прогнозов. Цель работы — анализ наиболее распространенных методов объединения прогнозов — различных модификаций методов Грэйнджера–Раманатхана и сопоставление их с новым подходом объединения прогнозов на основе гребневой регрессии для использования его на практике.
Используются статистические методы прогнозирования временных рядов (метод гармонических весов, адаптивного экспоненциального сглаживания с использованием трэкинг-сигнала, метод обычного экспоненциального сглаживания и модель Бокса–Дженкинса), методика построения объединенных прогнозов, а также методы регрессионного анализа.
В результате построены объединенные прогнозы на основе годовых данных за период с 1950 по 2015 г. о производстве в РФ некоторых продуктов в натуральном выражении: стали, кокса металлургического, целлюлозы, фанеры, цемента. Использовались методы Грэнджер–Раманатхана (без ограничений и с ограничениями на сумму коэффициентовпричастныхпрогнозах).Такжеисследованиестроилосьнаоснове ∆-коэффициентов,полученныхметодом гребневой регрессии.
Прогнозы, построенные с использованием методов Грэнджера–Раманатхана, дают наибольшую точность объединенного прогноза. Метод, основанный на гребневой регрессии, менее точен, но лучше, чем частные прогнозы. В то же время предлагаемая методика расчета весовых коэффициентов на основе гребневой регрессии имеет достаточно хорошо разработанную механику расчетов и избавляет объединение от отрицательных весовых коэффициентов.


Об авторах

А. А. Френкель
Институт экономики Российской академии наук
Россия
доктор экономических наук, профессор, главный научный сотрудник


Н. Н. Волкова
Институт экономики Российской академии наук
Россия
кандидат экономических наук, ведущий научный сотрудник


А. А. Сурков
Институт экономики Российской академии наук
Россия

аспирант, Финансовый университет;
младший научный сотрудник, Институт экономики РАН



Э. И. Романюк
Институт экономики Российской академии наук
Россия

научный сотрудник



Список литературы

1. Granger C. W.J., Ramanathan R. Improved methods of combining forecasts. Journal of Forecasting. 1984;3(2):197–204. DOI: 10.1002/for.3980030207

2. Stock J. H., Watson M. W. Combination forecasts of output growth in a seven-country data set. Journal of Forecasting. 2004;23(6):405–430. DOI: 10.1002/for.928

3. Френкель А. А., Волкова Н. Н., Сурков А. А., Романюк Э. И. Сравнительный анализ методов построения объединенного прогноза. Вопросы статистики. 2017;(7):17–27.

4. Holden K., Peel D. A. An empirical investigation of combinations of economic forecasts. Journal of Forecasting. 1986;5(4):229–242. DOI: 10.1002/for.3980050404

5. Holden K., Peel D.A., Thomson J.L. Economic forecasting: An introduction. Cambridge, New York: Cambridge University Press; 1990. 213 p.

6. Mills T. C., Stepherson M. J. Forecasting contemporaneous aggregates and the combination of forecasts: The case of the U.K. monetary aggregates. Journal of Forecasting. 1985;4(3):273–281. DOI: 10.1002/ for.3980040304

7. Ершов Э. Б. Об одном методе объединения частных прогнозов. Статистический анализ экономических временных рядов и прогнозирование: Ученые записки по статистике. Т. XXII–XXIII. М.: Наука; 1973:87–105.

8. Френкель А. А., Волкова Н. Н., Сурков А. А., Романюк Э. И. Пошаговая модификация метода объединения прогнозов Гренджера–Раманатхана. Вопросы статистики. 2018;25(6):16–24.

9. Lee T.-H. Combining forecasts with many predictors. In: Advances in economic forecasting. Kalamazoo, MI: W. E. Upjohn Institute for Employment Research; 2011:149–172. DOI: 10.17848/9780880993937.ch7 10. Exterkate P., Groenen P. J.F., Heij C., van Dijk D. Nonlinear forecasting with many predictors using

10. kernel ridge regression. International Journal of Forecasting. 2016;32(3):736–753. DOI: 10.1016/j.ijforecast.2015.11.017

11. Hoerl A. E. Application of ridge analysis to regression problems. Chemical Engineering Progress. 1962;58(3):54–59.

12. Hoerl A. E., Kennard R. W. Ridge regression: Aplications to nonorthogonal problems. Technometrics. 1970;12(1):69–82. DOI: 10.2307/1267352

13. Френкель А. А., Волкова Н. Н., Сергиенко Я. В. Количественная оценка влияния внешнеэкономической деятельности на динамику промышленного производства. Вопросы статистики. 2014;(11):60–67.

14. Френкель А. А., Райская Н. Н. Применение гребневой регрессии в статистическом моделировании. Экономика и математические методы. 1985;21(4):715–725.

15. Ferrar D. E., Glauber F. R. Multicollineary in regression analysis: The problem revisited. The Review Economics and Statistics. 1967;49(1):91–107. DOI: 10.2307/1937887


Дополнительные файлы

Для цитирования: Френкель А.А., Волкова Н.Н., Сурков А.А., Романюк Э.И. ИСПОЛЬЗОВАНИЕ МЕТОДОВ ГРЕБНЕВОЙ РЕГРЕССИИ ПРИ ОБЪЕДИНЕНИИ ПРОГНОЗОВ. Финансы: теория и практика/Finance: Theory and Practice. 2018;22(4):6-17. https://doi.org/10.26794/2587-5671-2018-22-4-6-17

For citation: Frenkel’ A.A., Volkova N.N., Surkov A.A., Romanyuk E.I. THE APPLICATION OF RIDGE REGRESSION METHODS WHEN COMBINING FORECASTS. Finance: Theory and Practice. 2018;22(4):6-17. (In Russ.) https://doi.org/10.26794/2587-5671-2018-22-4-6-17

Просмотров: 71

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2587-5671 (Print)
ISSN 2587-7089 (Online)