|
|
Artificial Prediction Markets, Forecast Combinations and Classical Time Series
Lipán, Marek ; Baruník, Jozef (vedoucí práce) ; Kukačka, Jiří (oponent)
Ekonomičtí agenti se často dostávají do situací, kde mají k dispozici něko- lik odlišných předpovědí. Navzdory pěti dekádám zkoumání kombinací před- povědí, většina metod, která byla zatím představena, nedokáže v empirických aplikacích významně porážet kombinaci předpovědí s rovnoměrnými váhami. V této studii dáváme dohromady široké spektrum kombinací předpovědí a přezkoumáváme tyto zjištění ve dvou různých aplikacích předpovídání klasick- ých ekonomických časových řad. Tyto zahrnují mimo-výběrové kombinování předpovědí ECB Survey of Professional Forecasters a předpovědí realizované volatility logaritmických zisků futures na americké státní dluhopisy. Hod- notíme výkonnost umělých predikčních trhů, třídy metod ze strojového učení, která zatím nebyla aplikována na problém kombinování předpovědí ekonomick- ých časových řad. Dále navrhujeme novou jednoduchou metodu nazvanou Market for Kernels, která je navržená speciálně pro kombinování předpovědí časových řad. Zjistili jsme, že rovnoměrné váhy se dají významně porazit něko- lika kombinacemi předpovědí, které zahrnují Bates-Grangerovi metody a umělé predikční trhy v ECB Survey of Professional Forecasters aplikaci a skoro všemi zkoumanými kombinacemi předpovědí ve finanční aplikaci. Také jsme zjistili, že předpovědní výkonnost Market for Kernels v obou...
|
|
|
Artificial Prediction Markets, Forecast Combinations and Classical Time Series
Lipán, Marek ; Baruník, Jozef (vedoucí práce) ; Kukačka, Jiří (oponent)
Ekonomičtí agenti se často dostávají do situací, kde mají k dispozici něko- lik odlišných předpovědí. Navzdory pěti dekádám zkoumání kombinací před- povědí, většina metod, která byla zatím představena, nedokáže v empirických aplikacích významně porážet kombinaci předpovědí s rovnoměrnými váhami. V této studii dáváme dohromady široké spektrum kombinací předpovědí a přezkoumáváme tyto zjištění ve dvou různých aplikacích předpovídání klasick- ých ekonomických časových řad. Tyto zahrnují mimo-výběrové kombinování předpovědí ECB Survey of Professional Forecasters a předpovědí realizované volatility logaritmických zisků futures na americké státní dluhopisy. Hod- notíme výkonnost umělých predikčních trhů, třídy metod ze strojového učení, která zatím nebyla aplikována na problém kombinování předpovědí ekonomick- ých časových řad. Dále navrhujeme novou jednoduchou metodu nazvanou Market for Kernels, která je navržená speciálně pro kombinování předpovědí časových řad. Zjistili jsme, že rovnoměrné váhy se dají významně porazit něko- lika kombinacemi předpovědí, které zahrnují Bates-Grangerovi metody a umělé predikční trhy v ECB Survey of Professional Forecasters aplikaci a skoro všemi zkoumanými kombinacemi předpovědí ve finanční aplikaci. Také jsme zjistili, že předpovědní výkonnost Market for Kernels v obou...
|
host ::
RSS.