컨센서스 예측

Consensus forecast
"컨센서스 예측"은 여기서 리다이렉트됩니다.컨센서스 이코노믹스가 발표한 컨센서스 예측에 대해서는 컨센서스 이코노믹스를 참조해 주세요.
미래 연구
개념
기술
테크놀로지 평가 및 예측

합의 예측은 계량경제학에서 기상학까지 다양한 과학에서 사용되며, 종종 다른 방법론을 사용하여 생성된 몇 가지 개별 예측을 함께 결합함으로써 생성되는 미래에 대한 예측이다.예측, 예측 평균화 또는 모델 평균화(경제측정학 및 통계학) 및 위원회 기계, 앙상블 평균화 또는 전문가 집계(기계학습학)의 결합으로도 알려져 있다.적용 범위는 날씨 예측에서 한 나라의 연간 국내총생산 또는 한 회사 또는 개별 딜러가 한 해 동안 판매할 가능성이 있는 자동차의 수를 예측하는 것까지 다양합니다.예측은 종종 시계열의 미래 가치에 대해 만들어지지만, 대통령 선거나 축구 경기와 같은 일회성 이벤트에 대해서도 만들어질 수 있다.

배경

예측은 불확실성에 대한 통찰력을 제공하기 때문에 조직의 계획 프로세스에서 중요한 역할을 합니다.시뮬레이션을 통해 제안된 전략이 사전 정의된 한계 내에서 원하는 목표를 생성할 가능성이 있는지 여부를 평가할 수 있다.경제 예측 분야에서는, 거의 모든 기업의 사업 전망에 향후의 경제의 패스가 내재하고 있기 때문에, 정확한 경제 예측에 대한 요구가 크다.이러한 강력한 수요에 부합하는 것은 정부, 국제 기관 및 다양한 민간 기업에서 쉽게 구할 수 있는 많은 양의 예측 정보이다.컨센서스 이코노믹스나 블루칩 이코노믹 인디케이터스등의 기업은, 경제 예측 데이터를 전문으로 발행하고 있습니다.전자는 세계 대부분의 주요 지역을 커버하고 후자는 미국 경제에 초점을 맞추고 있습니다.그러나 최적의 예측 방법을 해독하는 것은 쉬운 일이 아니며 사용자의 목표와 그들이 직면할 가능성이 높은 제약에 따라 크게 달라진다.하나의 최선의 예측 방법을 식별하기보다는 독립적인 예보관의 결과를 결합하여 예측의 평균을 취하는 것이 대안적 접근법이다.

서로 다른 예측 방법에서 도출된 독립 예측 패널의 단순 평균 평균을 취하는 이 방법을 결합 예측이라고 하며, 그 결과를 흔히 합의 예측이라고 한다.다른 개별 예측에 비해 작은 예측 오류를 생성하는 특정 예측 모델을 식별할 수 없는 한, 다양화 이득으로 인해 합의 접근 방식을 채택하는 것이 유리할 수 있다.경제전망을 조합하는 것은 많은 나라에서 잘 확립되어 있으며, 중앙은행, 정부기관, 기업도 이용자에 포함된다.최근 수십 년 동안 예측 정확도에 대한 방대한 학술 연구가 발표됨에 따라 합의 예측이 많은 관심을 끌었다.경험적 연구에 따르면 예측값을 합치면 예측 [1][2][3]정확도가 높아집니다.컨센서스 예측의 장점 중 하나는 상황에 높은 수준의 불확실성이나 위험이 수반되고 가장 정확한 예측을 사전에 선택하기 어려울 때 유용함을 입증할 수 있다는 것이다.한 방법이 최선이라고 확인되더라도, 다른 방법이 예측 정확도에 어느 정도 긍정적인 기여를 할 수 있다면 조합은 여전히 가치가 있다.또한, 많은 요인들이 독립적인 예측에 영향을 미칠 수 있으며, 이러한 요인들은 추가적인 유용한 정보와 함께 합의 접근법을 사용하여 포착될 수 있다.이 방법에 찬성하는 또 다른 주장은 개별 예측이 수많은 행동 편향을 받을 수 있지만, 이러한 예측은 독립적인 예측을 함께 결합함으로써 최소화할 수 있다는 것이다.따라서 결합은 개별 예측의 예측 오류를 줄임으로써 예측 정확도를 향상시키는 데 도움이 되는 것으로 보인다.또한 평균 예측은 성분 예측에서 도출된 데이터와 예측 기법이 크게 다를 때 더 유용할 수 있습니다.또한 단순한 접근법(일반적으로 가중되지 않은 평균)일 뿐이지만 이 방법은 보다 정교한 다른 모델과 마찬가지로 유용합니다.실제로, 지난 10년 동안의 보다 최근의 연구에 따르면,[4][5][6] 시간이 지남에 따라 동일한 가중치 조합 예측이 일반적으로 합의를 구성하는 개별 예측보다 더 정확하다.

요약하자면, 컨센서스 예측 기법의 유용성은 최근 수십 년 동안 풍부한 경험적 연구에 의해 뒷받침되어 왔다.조합 방법에 동일한 가중치를 사용하는 것은 단순하고 설명하기 쉽기 때문에 매력적이다.무엇보다도, 개별 예보관의 예측을 평균화하는 이 간단한 방법은 많은 세계 중앙은행들이 민간 부문의 기대치를 측정하기 위해 시행되고 있다.2000년 로이 배첼러가 실시한 실증적 연구에 따르면 국제통화기금(IMF)과 경제협력개발기구(OECD)[7] 등 주요 다국적 기관이 내놓은 거시경제 전망에 대한 컨센서스 예측이 더 정확하다는 것을 알 수 있다.로버트 C의 연구.Jones는 "적어도 "The Combination of Forecasts (Bates and Granger [ 1969])"가 출판된 이후 경제학자들은 다양한 출처의 예측을 조합하면 정확도가 향상되고 예측 오차가 감소한다는 것을 알고 있다.그 사이에 수많은 연구가 이러한 결론을 확인하고, 예측 조합이 가장 효과적인 조건의 개요를 설명했으며, 보다 정교한 통계 기법에 비해 단순 균등 가중치가 잘 작동하는 이유를 설명하려고 했다."[8]

확률론적 예측

점 예측의 조합에 대한 문헌은 매우 풍부하지만, 확률론적 예측의 조합에 대한 주제는 그다지 [3]인기가 없다.구간 예측의 조합을 명시적으로 다루는 논문은 거의 없지만 밀도 예측 [9][10]영역에서는 약간의 진전이 있었다.단순하지만 강력한 대체 기술이 전기 가격 예측의 맥락에서 도입되었습니다.QRA(분위수 회귀 평균)에는 여러 개별 예측 모형 또는 전문가의 [11]점 예측에 분위수 회귀 분석을 적용하는 작업이 포함됩니다.실제로 매우 우수한 성능을 발휘하는 것으로 확인되었으며, GEFCom 2014(Global Energy Forecasting Competition)의 가격 트랙에서 상위 2개 팀이 QRA의 변형을 사용했습니다.

「 」를 참조해 주세요.

추가 정보

  • Timmermann, Allan (2007). "An Evaluation of the World Economic Outlook Forecasts". IMF Staff Papers. 54 (1): 1–33. CiteSeerX 10.1.1.547.96. doi:10.1057/palgrave.imfsp.9450007. JSTOR 30036001.
  • Novotny, Filip; Rakova, Marie (2011). "Assessment of Consensus Forecasts Accuracy: The Czech National Bank Perspective" (PDF). Finance a Uver: Czech Journal of Economics & Finance. 61 (4): 348–366. Archived from the original (PDF) on 2014-12-31. Retrieved 2012-06-27.

레퍼런스

  1. ^ Clemen, Robert T. (1989). "Combining forecasts: A review and annotated bibliography". International Journal of Forecasting. 5 (4): 559–583. doi:10.1016/0169-2070(89)90012-5.
  2. ^ Blix, Marten; Wadefjord, Joachim; Wienecke, Ulrika; Adahl, Martin (2001). "How good is the forecasting performance of major institutions?". Economic Review. 3/2001.
  3. ^ a b Timmermann, Allan (2006). G. Elliott, C. W. J. Granger and A. Timmermann (ed.). Chapter 4 Forecast Combinations. Handbook of Economic Forecasting. Vol. 1. pp. 135–196. doi:10.1016/s1574-0706(05)01004-9. ISBN 9780444513953.
  4. ^ Makridakis; Hibon (2000). "The M3-Competition: Results, Conclusions and Implications". International Journal of Forecasting. 16 (4): 451–476. doi:10.1016/s0169-2070(00)00057-1.
  5. ^ McNees, Stephen K. (November 1987). "Consensus Forecasts: Tyranny of the Majority". New England Economic Review.
  6. ^ Golinelli, R.; Parigi, G. (2008). "Real-Time Squared: A Real-Time Data Set for Real-Time GDP Forecasting". International Journal of Forecasting. 24 (3): 368–385. doi:10.1016/j.ijforecast.2008.05.001.
  7. ^ Batchelor, Roy (2000). "The IMF and OECD versus Consensus Forecasts". Applied Economics. 33 (2): 225–235. doi:10.1080/00036840121785.
  8. ^ Jones, Robert C. (2014). "Making Better Investment Decisions". The Journal of Portfolio Management. 40 (2): 128–143. doi:10.3905/jpm.2014.40.2.128.
  9. ^ Wallis, Kenneth F. (2005). "Combining Density and Interval Forecasts: A Modest Proposal*". Oxford Bulletin of Economics and Statistics. 67: 983–994. CiteSeerX 10.1.1.491.674. doi:10.1111/j.1468-0084.2005.00148.x. ISSN 1468-0084.
  10. ^ Mitchell, James; Wallis, Kenneth F. (2011). "Evaluating density forecasts: forecast combinations, model mixtures, calibration and sharpness". Journal of Applied Econometrics. 26 (6): 1023–1040. CiteSeerX 10.1.1.216.9657. doi:10.1002/jae.1192. ISSN 1099-1255.
  11. ^ Nowotarski, Jakub; Weron, Rafał (2015). [Open Access]. "Computing electricity spot price prediction intervals using quantile regression and forecast averaging". Computational Statistics. 30 (3): 791–803. doi:10.1007/s00180-014-0523-0. ISSN 0943-4062.