Judgmental forecast adjustments over different time horizons

Broeke, Maud Van den; Baets, Shari De; Vereecke, Ann; Baecke, Philippe; Vanderheyden, Karlien

doi:10.1016/j.omega.2018.09.008

Cited by 29 publications

(12 citation statements)

References 33 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Recent random movements, and events, are particularly likely to attract undue attention, so long-run patterns identified by the computer are given insufficient weight (Bolger and Harvey, 1993). Damaging interventions are also probable when they result from political interference (Oliva and Watson, 2009) or optimism bias (Fildes et al, 2009), or when they reflect information already factored into the computer's forecast, leading to double counting (Van den Broeke et al, 2019). 70 This subsection was written by Paul Goodwin.…”

Section: Judgmental Adjustments Of Computer-based Forecasts 70mentioning

confidence: 99%

Forecasting: theory and practice

Petropoulos,

Apiletti,

Assimakopoulos

et al. 2020

Preprint

Self Cite

View full text Add to dashboard Cite

Forecasting has always been in the forefront of decision making and planning. The uncertainty that surrounds the future is both exciting and challenging, with individuals and organisations seeking to minimise risks and maximise utilities. The lack of a free-lunch theorem implies the need for a diverse set of forecasting methods to tackle an array of applications. This unique article provides a non-systematic review of the theory and the practice of forecasting. We offer a wide range of theoretical, state-of-the-art models, methods, principles, and approaches to prepare, produce, organise, and evaluate forecasts. We then demonstrate how such theoretical concepts are applied in a variety of real-life contexts, including operations, economics, finance, energy, environment, and social good. We do not claim that this review is an exhaustive list of methods and applications. The list was compiled based on the expertise and interests of the authors. However, we wish that our encyclopedic presentation will offer a point of reference for the rich work that has been undertaken over the last decades, with some key insights for the future of the forecasting theory and practice.

show abstract

Section: Judgmental Adjustments Of Computer-based Forecasts 70mentioning

confidence: 99%

Forecasting: theory and practice

Petropoulos,

Apiletti,

Assimakopoulos

et al. 2020

Preprint

Self Cite

View full text Add to dashboard Cite

show abstract

“…Marmier and Cheikhrouhou (2010) develop a hybrid forecast based on a systematic approach that structures and integrates judgment into JAMR 18,5 demand forecasting using event-based factors and extend the model to adjust the forecast based on collaborative human judgment improving the forecasting model MAPE and MAE (Cheikhrouhou et al, 2011). Van den Broeke et al (2018) use several error measures to evaluate hybrid forecasting models and find that accuracy can either improve, remain the same or decrease depending on the case and time horizon. Therefore, hybrid forecasting models should be carefully considered together with statistical forecasting models when evaluating alternative models.…”

Section: State Of the Art 21 Backgroundmentioning

confidence: 99%

Evaluating demand forecasting models using multi-criteria decision-making approach

Badulescu

Hameri

Cheikhrouhou

2021

JAMR

View full text Add to dashboard Cite

PurposeDemand forecasting models in companies are often a mix of quantitative models and qualitative methods. As there are so many existing forecasting approaches, many forecasters have difficulty in deciding on which model to select as they may perform “best” in a specific error measure, and not in another. Currently, there is no approach that evaluates different model classes and several interdependent error measures simultaneously, making forecasting model selection particularly difficult when error measures yield conflicting results.Design/methodology/approachThis paper proposes a novel procedure of multi-criteria evaluation of demand forecasting models, simultaneously considering several error measures and their interdependencies based on a two-stage multi-criteria decision-making approach. Analytical Network Process combined with the Technique for Order of Preference by Similarity to Ideal Solution (ANP-TOPSIS) is developed, evaluated and validated through an implementation case of a plastic bag manufacturer.FindingsThe results show that the approach identifies the best forecasting model when considering many error measures, even in the presence of conflicting error measures. Furthermore, considering the interdependence between error measures is essential to determine their relative importance for the final ranking calculation.Originality/valueThe paper's contribution is a novel multi-criteria approach to evaluate multiclass demand forecasting models and select the best model, considering several interdependent error measures simultaneously, which is lacking in the literature. The work helps structuring decision making in forecasting and avoiding the selection of inappropriate or “worse” forecasting model.

show abstract

“…The first is the resistance of statistical procedures to outliers [22], the second is parameter robustness, that is, resistance to changes in internal parameters [23]. The advantage over statistical adaptation methods [24] in this case is the absolute accuracy of analytical retrospective dependencies.…”

Section: Literature Review and Problem Statementmentioning

confidence: 99%

Robust estimation of the area of adequacy of forecasting one-parameter model of exponential smoothing

Romanenkov¹,

Pronchakov²,

Zieiniiev³

2020

EEJET

View full text Add to dashboard Cite

Розглянуто задачу параметричного синтезу прогнозної однопараметричної моделі експоненціального згладжування для предиктивного оцінювання значень показників організаційно-технічної системи. Для виділення інтервалів заданої якості на області допустимих значень внутрішнього параметра обраний критерій абсолютної похибки множинного прогнозу. Його використання дозволило сформувати аналітичну ретроспективну модель з «м'якими» обмеженнями. В результаті розроблений метод робастного оцінювання області адекватності прогнозної однопараметричної моделі експоненціального згладжування, який дозволяє аналітично оцінювати межі області адекватності прогнозної моделі в залежності від вимог до її ретроспективної точності. Запропонований метод дає можливість користувачеві задавати набір допустимих ретроспективних похибок в залежності від вимог технічного завдання на прогнозування. Запропонований метод може бути використаний для параметричного налаштування однопараметричних прогнозних моделей і служить інструментом підтримки прийняття рішень в процесі прогнозування. Результати моделювання являють собою інтервальні оцінки, використання яких в процесі параметричного синтезу краще точкових. На відміну від пошукових методів, аналітична форма ретроспективних залежностей дозволяє отримувати рішення з високою точністю і при необхідності надає аналітику можливості для графічного аналізу області адекватності моделі. На прикладі показаний фрагмент оцінювання динаміки часового ряду при ретроспективному аналізі глибиною в три значення і заданих граничних відносних похибках в 1-4 %. За таких умов область для обґрунтованого вибору настроювального параметра визначається об'єднаними інтервалами шириною близько 20 % від початкової області допустимих значень Ключові слова: експоненціальне згладжування, інверсна верифікація, адекватність прогнозної моделі, робастне інтервальне оцінювання

show abstract

Judgmental forecast adjustments over different time horizons

Cited by 29 publications

References 33 publications

Forecasting: theory and practice

Forecasting: theory and practice

Evaluating demand forecasting models using multi-criteria decision-making approach

Robust estimation of the area of adequacy of forecasting one-parameter model of exponential smoothing

Contact Info

Product

Resources

About