آرشیو

آرشیو شماره ها:
۴۹

چکیده

در این مطالعه ابتدا محتوای اطلاعاتی متغیرهای گوناگون اقتصادی برای پیش بینی قیمت مسکن در شهر تهران بررسی شده و سپس عملکرد برخی از روش های ترکیب پیش بینی برای پیش بینی این متغیر ارزیابی شده است. نتایج به دست آمده حاکی از آن است که اس تفاده از اطلاعات متغیرهای گوناگون به وسیله تکنیک های ترکیب پیش بینی می تواند باعث افزایش دقت پیش بینی گردد. در این میان، دقت روشهای ساده ترکیب از روش وزن های بهینه، علیرغم برخورداری از پشتوانه نظری، بیشتر است. همچنین بطور کلی اختصاص اهمیت بیشتر به پیش بینی های اخیر (در روش مجذور خطای تنزیل شده) و همفزونی کمتر اطلاعات (در روش خوشه بندی) موجب افزایش دقت پیش بینی می گردد. از طرف دیگر انقباض وزن ها به سمت وزن های یکسان (در روش انق باضی) با کاهش می زان خطای تخمین، عملکرد پیش بینی را بهبود می بخشد.

Evaluation of Forecast Combination Methods

In this study, the information content of diverse range of economic variables for Tehran house price forecast has been examined and then the performance of some forecast combination methods for this target variable has been evaluated. The results show that using the information of various variables through forecast combination techniques can improve the forecast accuracy. Among these techniques, simple combination methods are more accurate than the optimal weight methods although latter has theoretical background. Also, in general, putting more emphasis on the recent forecasts (in the discounted squared error methods) and less information aggregation (in clustering methods) can improve forecast accuracy. On the other hand, shrinking weights toward the equal weights (in shrinkage methods) can improve forecast performance through reducing estimation error.

تبلیغات