ارزیابی روش های ترکیب پیش‌بینی : مطالعه موردی قیمت مسکن در شهر تهران

نوع مقاله: علمی - پژوهشی

نویسندگان

1 دانش آموخته کارشناسی ارشد اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف

2 استادیار دانشکده مدیریت و اقتصاد، دانشگاه صنعتی شریف

چکیده

در این مطالعه ابتدا محتوای اطلاعاتی متغیرهای گوناگون اقتصادی برای پیش‌بینی قیمت مسکن در شهر تهران بررسی شده و سپس عملکرد برخی از روش­های ترکیب پیش‌بینی برای پیش‌بینی این متغیر ارزیابی شده­است. نتایج به­دست آمده حاکی از آن است که اســتفاده از اطلاعات متغیرهای گوناگون به وسیله تکنیک­های ترکیب پیش‌بینی می­تواند باعث افزایش دقت پیش‌بینی گردد. در این میان، دقت روشهای ساده ترکیب از روش وزن­های بهینه، علیرغم برخورداری از پشتوانه نظری، بیشتر است. همچنین بطور کلی اختصاص اهمیت بیشتر به پیش‌بینی­های اخیر (در روش­ مجذور خطای تنزیل­شده) و همفزونی کمتر اطلاعات (در روش خوشه­بندی) موجب افزایش دقت پیش‌بینی می­گردد. از طرف دیگر انقباض وزن­ها به سمت وزن­های یکسان (در روش انقــباضی) با کاهش میــزان خطای تخمین، عملکرد پیش‌بینی را بهبود می­بخشد.

کلیدواژه‌ها


عنوان مقاله [English]

Evaluation of Forecast Combination Methods

نویسندگان [English]

  • hamed atrianfar 1
  • seyedmehdi barakchian 2
  • seyedfarshad fatemi 2
چکیده [English]

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.

کلیدواژه‌ها [English]

  • Forecast Combination
  • Forecast Evaluation
  • House Price
  • Auto Regressive Distributed Lag Model