Forecasting Performance and Information MeasuresRevisiting the M-Competition

  1. Ana Jesús López Menéndez 1
  2. Rigoberto Pérez Suárez 1
  1. 1 Universidad de Oviedo
    info

    Universidad de Oviedo

    Oviedo, España

    ROR https://ror.org/006gksa02

Revista:
Estudios de economía aplicada

ISSN: 1133-3197,  1697-5731

Año de publicación: 2017

Título del ejemplar: Predicción económica: métodos y herramientas

Volumen: 35

Número: 2

Páginas: 299-314

Tipo: Artículo

DOI: 10.25115/EEA.V35I2.2473 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Estudios de economía aplicada

Resumen

La obtención de predicciones para series temporales económicas y financieras es una tarea de gran dificultad. En un contexto de disponibilidad creciente de predicciones y debate sobre las alternativas metodológicas para su obtención, resulta recomendable dedicar nuevos esfuerzos a las medidas utilizadas para su evaluación. Este trabajo analiza dos indicadores de precisión basados en medidas de información: el índice U de Theil y la Medida de Información Cuadrática de Precisión (QIAM), cuya aplicación a la M-Competición de Makridakis and Hibon (2000) permite reexaminar los resultados empíricos obtenidos por estos autores para el conjunto de la base de datos y más concretamente para las series macroeconómicas y financieras. El cálculo de las medidas propuestas proporciona un nuevo ranking de técnicas predictivas, que muestra coincidencias y diferencias con las conclusiones obtenidas por Makridakis & Hibon a partir de cinco medidas de precisión basadas en errores. Los resultados obtenidos permiten también un análisis de complejidad versus precisión.

Referencias bibliográficas

  • ARMSTRONG, J.S.; GREEN, K.C. y GRAEFE, A. (2015). “Golden rule of Forecasting: Be conservative”. Journal of Business Research, 68, pp. 1717-1731.
  • BALKIN, S.D. y ORD, J.K. (2000). “Automatic neural network modeling for univariate time series”. International Journal of Forecasting, 16(4), pp. 509-515.
  • BIEMEL, F. y MACKAY, D.B. (1973). “Theil´s Forecast Accuracy Coefficient: A Clarification”. Journal of Marketing Research, X, pp. 444-446.
  • BINNER, J.M.; BISSONDEEAL, R.K.; ELGER, T.; GAZELY, A.M. y MULINEUX, A.W. (2005). “A comparison of linear forecasting models and neural networks: an application to Euro inflation and Euro Divisia”. Applied Economics, 37(6), pp. 665-680.
  • BRANDON, C.; FRITZ, R. y XANDER, J. (1983). “Econometric forecasts: evaluation and revision”. Applied Economics, 15(2), pp.187-201.
  • CHATFIELD, C. (1988). “What is the ‘best’ method of forecasting?”. Journal of Applied Statistics, 15(1), pp.19-38.
  • CICCARELLI, M. y HUBRICH K. (2010). “Forecast uncertainty: sources, measurement and evaluation”. Journal of Applied Econometrics, 25(4), pp. 509-513.
  • COUTIÑO, A. (2015). “Acerca del poder predictivo de Klein”. Estudios de Economía Aplicada, 33(2), pp. 385-392.
  • DAGUM, E.B. (2010). “Business Cycles and Current Economic Analysis”. Estudios de Economía Aplicada, 28(3), pp. 577-594.
  • FILDES, R.; HIBON, M.; MAKRIDAKIS, S. y MEADE, N. (1998). “Generalising about univariate forecasting methods: further empirical evidence”. International Journal of Forecasting, 14, pp. 339-351.
  • FILDES, R. y PETROPOULOS, F. (2015). “Simple versus complex selection rules for forecasting many time series”. Journal of Business Research, 68, pp. 1692-1701.
  • FILDES, R. y PETROPOULOS, F. (2015). “Is there a Golden rule?”. Journal of Business Research, 68, pp. 1742-1745.
  • FOMBY, T.B. y SAMANTHA, S.K. (1993). “Average of forecasts: an improvement”. Applied Economics, 25(5), pp .689-694.
  • GIL, M.A.; PÉREZ, R. y GIL, P. (1989). “A family of measures of uncertainty involving utilities: Definition, properties, applications and statistical inferences”. Metrika, 36, pp.129-147.
  • GRAEFE, A. (2015). “Improving forecasts using equally weighted predictors”. Journal of Business Research, 68, pp.1792-1799.
  • GRANGER, C.W.J. (1996). “Can we improve the perceived quality of economic forecasts?”. Journal of Applied Econometrics, 11(5), pp. 455-473.
  • GRANGER, C.W.J. y JEON, Y. (2003). “Interactions between large macro models and time series analysis”. International Journal of Finance & Economics, 8(1), pp.1-10.
  • GRANGER, C.W.J. y JEON, Y. (2004). “Forecasting Performance of Information Criteria with Many Macro Series”. Journal of Applied Statistics, 31(10), pp.1227-1240.
  • GREEN, K.C. y ARMSTRONG, J.S. (2015). “Simple versus complex forecasting: The evidence”. Journal of Business Research, 68, pp.1678-1685.
  • GREER, M.R. (2005). “Combination forecasting for directional accuracy: An application to survey interest rate forecasts”. Journal of Applied Statistics, 32(6), pp. 607-615.
  • HARVDA, J. y CHARVAT, F. (1967). “Quantification method of classification Processes”. Kybernetica, 3, pp. 129-147.
  • HIBON, M. y EVGENIOU, T. (2005). “To combine or not to combine: selecting among forecasts and their combinations”. International Journal of Forecasting, 21, pp.15-24.
  • HYNDMAN, R. (2006). “Another look at forecast-accuracy metrics for intermittent demand”. Foresight, 4, pp. 43-46.
  • INTERNATIONAL INSTITUTE OF FORECASTERS (2000). M3-Competition, https://forecasters.org/resources/time-series-data/m3-competition/ (last accessed on April 2017).
  • LÓPEZ, A.J. y PÉREZ, R. (2012). “Financial Forecasting Accuracy: Exploring the M3-Competition”. 6th CSDA International Conference on Computational and Financial Econometrics, Oviedo, Spain.
  • LÓPEZ, A.J.; PÉREZ, R. y MORENO, B. (2011). “Forecasting Performance and M-Competition. Does the accuracy measure matter?. International Statistical Institute (ISI), Proceedings of the 58th World Statistical Congress, Dublin.
  • MAKRIDAKIS, S. y BAKAS, N. (2016). “Forecasting and Uncertainty: A Survey”. Risk and Decision Analysis, 6(1), pp. 37-64.
  • MAKRIDAKIS, S. y HIBON, M. (2000). “The M-3 competition: results, conclusions and implications”. International Journal of Forecasting, 16, pp. 451-476.
  • MAKRIDAKIS, S. y TALEB, N. (2009). “Living in a world of low levels of predictability”. International Journal of Forecasting, 25, pp. 840-844.
  • MORENO, B. y LÓPEZ, A.J. (2013). “Combining Economic Forecasts by using a Maximum Entropy Econometric Approach”. Journal of Forecasting, 32(2), pp.124-136.
  • PÉREZ, R. (1985). “Estimación de la incertidumbre, la incertidumbre útil y la inquietud en poblaciones finitas”. Revista Real Academia de las Ciencias de Madrid, LXXIX, 4: pp. 651-654.
  • PETROPOULOS, F.; MAKRIDAKIS, S.; ASSIMAKOPOULOS, V. y NIKOLOPOULOS, K. (2014). “Horses for Courses in Demand Forecasting”. European Journal of Operational Research, 237, pp. 162-173.
  • PULIDO, A. (2015). “La herencia de Klein (1920-2013): Una visión de futuro”. Estudios de Economía Aplicada, 33(2), pp. 359-384.
  • PULIDO, A. y PÉREZ, J. (2006). “Lawrence R. Klein y la Economía Aplicada”. Estudios de Economía Aplicada, 24(1), pp. 43-94.
  • RAMOS, R.; CLAR, M. y SURIÑACH, J. (2000). “Comparación de la capacidad predictiva de los modelos de coeficientes fijos frente a variables en los modelos econométricos regionales: un análisis para Cataluña”. Estudios de Economía Aplicada 15, pp. 125-162.
  • SCHERVISH, M.J.; SEIDENFELD, T. Y KADANE, J.B. (2009). “Proper Scoring Rules, Dominated Forecasts”. and Coherence Decision Analysis, 6(4), pp. 202-221.
  • SHANNON, C. (1948). “A mathematical theory of communication”. Bell System Technical Journal, 27, pp. 379-423.
  • SOHL, J.E. y VENKATACHALAM, A.R. (1995). ”A neural network approach to forecasting model selection”. Information & Management, 29, pp. 297-303.
  • SOYER, E. y HOGARTH, R.M. (2015). “The Golden Rule of forecasting: Objections, refinements and enhacements”. Journal of Business Research, 68, pp. 1702-1704.
  • SYNTETOS. A.; NIKOLOPOULOS, K. y BOYLAN, J. (2010). “Judging the judges through accuracy-implication metrics: The case of inventory forecasting”. International Journal of Forecasting, 26, pp. 134-143.
  • THEIL, H. (1955). ”Who forecasts best?”. International Economic Papers, 5, pp. 194-199.
  • THEIL, H. (1957). ”A Statistical Appraisal of Postwar Macroeconomic Forecasts in the Netherlands and Scandinavia”. Bulletin of the International Statistical Institute, 35, pp. 49-64.
  • THEIL, H. (1966). Applied Economic Forecasting. North Holland Publishing.
  • TSANGARI., H. (2007). “An Alternative Methodology for Combining Different Forecasting Models”. Journal of Applied Statistics, 34(4), pp. 403-421.
  • WENZEL, T. (2001). “Hits-and-misses for the evaluation and combination of forecasts”. Journal of Applied Statistics, 28(6), pp. 759-773.
Fuente de los datos: Dialnet