Principles of Forecasting

Armstrong, Jan

doi:10.1007/978-0-306-47630-3

Cited by 786 publications

(32 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Combining methods include information contained in each of individual forecast. According to Armstrong (2001) the combined forecasts should be applied if several different models can be combined to obtain better forecast, there is no certainty about the future state of the object forecast, and where large forecasting error involves a high cost. By combining forecasters should able to reduce inconsistency in estimates and to cancel out biases to some extent.…”

Section: Combining Methods To Var Forecastmentioning

confidence: 99%

Risk Modeling of Commodities using CAViaR Models, the Encompassing Method and the Combined Forecasts

Ratuszny

2016

DEM

View full text Add to dashboard Cite

A b s t r a c t. The aim of the research is to compare VaR methods/models for commodities. For risk measurement Conditional Autoregressive Value at Risk models (CAViaR), implied quantile model and encompassing method are used. The aim is to check whether simultaneous use of information both from historical time series and regarding markets' expectation can improve accuracy of forecasts. For this purpose four methods of combining forecasts are used: a simple average combining, an unrestricted linear combination, a weighted averaged combining and a weighted averaged combining using exponential weighting. In the case of the commodities neither the encompassing method nor the combining forecast method improve VaR forecasts. The method of choosing the most adequate model leads to simple CAViaR-SAV model as the source of most optimal measure of risk forecasts. The Kupiec test, the Christoffersen and the Dynamic Quantile test indicate the model as an adequate to forecast VaR for gold and oil for short positions at the 0.01 and the 0.05 significance level, and for a long position at the 0.05 significance level.K e y w o r d s: CAViaR, VaR, encompassing method, combined forecasts, commodities J E L Classification: C22, G17.

show abstract

Section: Combining Methods To Var Forecastmentioning

confidence: 99%

Risk Modeling of Commodities using CAViaR Models, the Encompassing Method and the Combined Forecasts

Ratuszny

2016

DEM

View full text Add to dashboard Cite

show abstract

“…O ajuste sem contexto pode ser usado como uma alternativa quando o especialista sente que a previsão está imprecisa, apesar de ele não conseguir associar nenhuma informação contextual com a série. O ajuste sem contexto está baseado na intuição e, para Armstrong (2001), na compreensão imediata de um assunto sem o uso de qualquer processo de raciocínio. O ajuste contextual ocorre quando informações contextuais estão disponíveis e o especialista ajusta a previsão inicial para incorporar os efeitos da informação extra.…”

Section: Métodos De Integração De Previsões De Demandaunclassified

“…Utilizando regras condicionais if-then, determinam-se os pesos dos métodos simples de previsão. As características do ambiente são identificadas na parte condicional (if) das regras e os pesos são ajustados de acordo com as características da série assumidas anteriormente pelo especialista (Armstrong, 2001).…”

Section: Métodos De Integração De Previsões De Demandaunclassified

“…A "extrapolação corrigida" (Armstrong, 2001) ou "ajuste por julgamento de previsões estatísticas" (Goodwin, 2002;Webby & O'Connor, 1996) era considerada uma forma de combinação, contudo esse conceito mudou e atualmente ela é classificada como método de integração de previsões (Werner & Ribeiro, 2006 Além das tendências intrínsecas aos especialistas, outros fatores externos também influenciam a acuracidade da previsão. Webby & O'Connor (1996) afirmam que a motivação, uma característica do ambiente, pode influenciar a inflexibilidade do especialista em relação a uma estratégia traçada por ele.…”

Section: Extrapolação Corrigidaunclassified

See 1 more Smart Citation

Procedimento para implantar um modelo de previsão de demanda com incorporação de julgamento de especialistas

Staudt

Gonçalves

Taboada

2015

Prod.

View full text Add to dashboard Cite

ResumoAs informações do mercado, quando interpretadas pelo especialista e incorporadas na previsão quantitativa de forma adequada, aumentam a acuracidade da previsão final. Entretanto, o julgamento humano pode inserir vieses na previsão e uma forma de evitá-los é estruturar a incorporação do julgamento. Este artigo apresenta um procedimento estruturado para que as empresas possam implantar um sistema de previsão de demanda considerando a incorporação de julgamento à saída de previsões estatísticas. A utilização do procedimento em uma pequena empresa demonstra a aplicação do método. Na análise dos resultados verificou-se que os ajustes por julgamento reduziram os erros das previsões quantitativas em média em 5%. Além disso, o melhor desempenho dos ajustes ocorreu para o produto com maior variabilidade na série histórica de dados e os maiores ajustes trouxeram os melhores resultados. Palavras-chaveIntegração de previsões. Ajuste por julgamento. Previsão de demanda.

show abstract

“…Furthermore, numerous facts demonstrate that a price change cannot be predicted based on the historical time series of price changes over the past periods (Mantegna & Stanley 2000); there may be several-fold deviation between the predicted prices and the actual ones for all the types of raw materials, stock prices, and currency exchange rates (Mirkin 2014). Expert evaluations, which are inevitably subjective, are used when the data on predicting relevant events over the past periods are either unavailable or insufficient for the analysis (Armstrong 2001, Green 2012, Hanke et al 2001). In many studies, when assessing the probabilities of future events, the researchers build regression models (Haan & Sinha 1999), describe the events as Markov random processes (Boer et al 2007), or assume a priori that a random phenomenon under study obeys a certain law of probability distribution (typically, the normal probability distribution) , Mohler 2013, Riley 2012).…”

Section: Introductionmentioning

confidence: 99%

Estimating the probability of forecasted events

Madera

2016

IJAES

View full text Add to dashboard Cite

The article elaborates a method for estimating the probabilities of occurrence of prognosticated events in future. On the basis of the data from the previous periods about prognosticating the relevant events, as well as the data about the trends observed at present, two matrices are formed, the product of which is the matrix for the prognosis errors committed by the individual or the expert. The article shows that the vector for probabilities of the prognosticated events is the eigenvector of the prognosis error matrix, which corresponds to its single eigenvalue. Application of the elaborated method is shown on the definite example for forecasting demand of new products.

show abstract

Principles of Forecasting

Cited by 786 publications

References 0 publications

Risk Modeling of Commodities using CAViaR Models, the Encompassing Method and the Combined Forecasts

Risk Modeling of Commodities using CAViaR Models, the Encompassing Method and the Combined Forecasts

Procedimento para implantar um modelo de previsão de demanda com incorporação de julgamento de especialistas

Estimating the probability of forecasted events

Contact Info

Product

Resources

About