Documente Academic
Documente Profesional
Documente Cultură
88 Economia z 2/2003
Management
3. Pot, oare, unele combinaii de prognoze s fie mic MSE simulat n regim real. Ultima procedur const
superioare, dup exactitate, celor bazate pe o singur n simularea alegerii n regim real, n baza celor mai mici
metod, pentru tot spectrul seriilor de timp, i dac da, ptrate ale prognozei (PLS).
atunci, n ce proporie trebuie s pondereze cele mai Markidakis et al. (vezi [7]) au cercetat calitatea
bune metode de prognoze? metodelor cu o singur variabil pe mai multe serii, inclusiv
4. Este, oare, ctigul de la aplicarea acestor metode mai economice, i au ajuns la o concluzie privind aplicarea cu
complicate, n comparaie cu prognozele simple, succes a nivelrii exponeniale. Meese, Geveke (vezi [8])
autoregresive, suficient pentru a motiva folosirea au comparat diverse modele liniare, utiliznd 150 de serii
acestora i pentru analitii care nu vor s-i asume macroeconomice i au determinat faptul c, de obicei,
lucreaz bine modelele AR cu ntrzieri lungi, determinate
riscul?
n baza AIC. De asemena, ei au constatat c prin
Pentru a rspunde acestor ntrebri, n articol, se face
combinarea prognozelor liniare se mbuntete
un experiment corespunztor. n acest experiment, se face o nesemnificativ calitatea acestora. Weigand, Gershenfeld
comparaie ntre diferite prognoze cu orizontul de o lun, (vezi [17]) au comparat modelele liniare cu o mulime de
ase sau dousprezece luni, pentru 215 serii de timp, din modele neliniare. Chiar dac ei au gsit dinamica neliniar
economia SUA. Experimentul simuleaz aplicarea acestor n cteva serii de timp neeconomice, modelele de prognoz
metode n timp real, adic toate prognozele (inclusiv neliniar nu au fost destul de bune pentru seriile economice
estimarea tuturor parametrilor, toate regulile de alegere a studiate de ei (cursul valutar).
modelului, toate testele preliminare .a.) se bazeaz, Swanson, White (vezi [13, 14]) au comparat modelele
exclusiv, pe observaiile efectuate, inclusiv pn la data cu mai multe variabile (ANN) cu modelele liniare
prognozei. Estimarea parametrilor, statisticilor pentru vectoriale autoregresive i au ajuns la concluzia c
alegerea modelului optim, testele preliminare i ponderea autoregresiile vectoriale au, de obicei, abaterea medie
lor n combinarea prognozelor se nnoiesc, pentru toate ptratic (MSE) mai mic dect modelele ANN n timpul
real simulat. n comparaie cu lucrrile menionate, lucrarea
modelele, lunar, i aceste nnoiri statistice se utilizeaz la
lui Stock J. H., Watson M. W. (vezi [16]) difer prin
efectuarea prognozelor pentru urmtoarele luni. utilizarea unui numr mare de serii cronologice
Se analizeaz prognoze construite prin 49 de metode. macroeconomice, utilizarea unui numr mare de modele
Ele se numesc metode i nu modele, deoarece multe din neliniare, studierea metodelor de testare la existena
aceste prognoze se bazeaz nu doar pe un singur model rdcinii unitare i studierea intensiv a procedurilor de
estimat, ci pe rezultatele alegerii unuia din mai multe combinare a prognozelor.
modele, n urma testrilor preliminare sau aplicrii Toate modelele n experimentul dat au forma:
criteriilor de alegere a modelelor. Modelele individuale, yt+h=fi(Zt; ih)+uit+h,
utilizate de aceste metode de prognoze, se numesc modele
unde: yt seria pentru care se efectueaz prognoza
primare i autorul studiaz n total 121. De exemplu, una
h orizontul de prognoz
din metodele de prognoz este autoregresia n niveluri cu
i indicele modelului de prognoz (i=1,,121),
component fix i alegerea ordinului maxim al ntrzierilor
ih vectorul parametrilor necunoscui
(ordinul modelului de autoregresie) n baza criteriului uit eroare
informaional Acaiche (AIC), de ordinul ce se modific de Zt vectorul variabilelor predictorii.
la 0 la 12; n terminologia articolului, aceast metod de De obicei, Zt=(yt,,yt-p,yt,, ,yt-p,1,t), unde
prognoz combin informaia de la 13 modele primare. p largul maxim.
Modelele primare se submpart n patru grupe: de Toate prognozele, n totalitate, se efectueaz prin
autoregresie (AR), de nivelare exponenial (EX), de reele metoda recursiv, adic prognoza mrimii yt+h utilizeaz
neuronale artificiale (ANN), de autoregresie logic informaia pentru momentul 1,2,,t. Pentru prognoza lui
(LSTAR). De asemenea, n calitate de nc un punct de yt+h, valoarea vectorului parametrilor ih se efectueaz pe
referin se ia lipsa modificrilor. observaiile y1, y2,, yt. n toate modelele, vectorul
Se analizeaz i diferite proceduri de combinare a parametrilor se verific pe calea minimizrii sumei
informaiei din aceste 49 metode de prognoz (proceduri de ptratelor reziduului prognozei cu h pai nainte.
combinare a prognozelor). n lucrrile [2,4], se De menionat c, de obicei, fiecare metod de
prognoz aplicat unei serii concrete ia valori diferite ale
demonstreaz c media prognozelor pe diferite modele
parametrilor la modificarea orizontului, adic prognoza pe
poate mbunti calitatea prognozelor, pe cnd toate
h pai nainte nu se calculeaz ca iteraia pentru h perioade
modelele sunt doar aproximaii. Procedurile de combinare, nainte pentru modelul prognozei de un singur pas.
vizate n articol, difer dup ponderea atribuit modelului Pentru obinerea rezultatelor de baz, toate prognozele
cu cele mai bune caliti la momentul dat, incluznd n lucrarea [16] se scurteaz automat, astfel nct, dac
ponderi egale pentru toate prognozele, ponderea variaia prognozei depete dup mrime absolut toate
prognozelor n proporii inverse fa de abaterea medie variaiile anterioare pentru seria dat, atunci se aplic
ptratic (MSE), utilizarea prognozelor medii i atribuirea prognoza fr schimbri. Un astfel de tip de corecie se
ponderii acelei metode, care, la momentul dat, are cea mai utilizeaz pentru simularea implicrii factorului uman, care
lipsete n experimentul computerizat. Deoarece prognozele
Economia z 2/2003 89
Management
n experimentul dat se nfptuiesc automat, unele modele Bibliografie
pot da (i dau n realitate) prognoze extremale puin
posibile. Algoritmul utilizat de cioplire poate fi neles ca 1. BOX, J., Time Series Analysis.
JENKINS, G. Forecasting and Control,
o regul practic, pe care analistul o poate folosi n timp
real pentru depistarea problemei date i luarea deciziei Holden Day, 1976
corespunztoare. 2. BATES, J. M., The Combination of
Pentru fiecare serie, se aplic trei tipuri de perioade: GRANGER, C. W. J. Forecasts, Operation
de start, n care se face estimarea primar a modelului; Research Quarterly, 20/1969,
intermediar, n care se fac prognoze n baza a 121 de p. 451-468
modele primare i 49 metode de pronosticare, dar fr 3. CLEMENTS, M. P., Forecasting Non-Stationary
utilizarea prognozelor combinate, i perioada de simulare a HENDRY, D. F. Economic Time Series.
prognozelor n timp real, n care se obin prognoze Cambridge, Massachusetts:
recursive cu toate modelele, metodele i procedurile de The MIT Press, 2001
combinare. 4. GRANGER, C. W. J., Forecasting Economic Time
NEWBOLD, P. Series, Second Edition, New
Modele i metode de prognoz York, Academic Press, 1986
5. GRANGER, C.W. J., Improved Methods of
Pentru a verifica ipoteza existenei rdcinii unitare, RAMANATHAN, R. Combining Forecasting,
exist o mulime de criterii. n lucrarea lui Stock [14], prin Journal of Forecasting
metoda Monte-Carlo, s-au cercetat modelele cu 3/1984, p. 197-204
autoregresie prin testarea preliminar a existenei rdcinii 6. ELLIOTT, G., Efficient Tests for an
unitare. Stock a testat cteva metode cu diferite niveluri de ROTHENBERG, T. J., Autoregressive Unit Root,
semnificaie i a hotrt c cea mai bun calitate a STOCK, J. H. Econometrica, 64/1996,
prognozei, pentru diferite valori ale rdcinii cu p. 813-836
autoregresie, o d utilizarea criteriului DF-GLS [vezi [6]], 7. MARKIDAKIS, S.A., The Accuracy of
cu nivel mic de semnificaie. Respectiv, n lucrarea lui ANDERSON, A., Extrapolation (Time-Series)
Stock Watson [15] se utilizeaz testul DF-GLS pentru CARBONNE, R., Methods: Results of a
diverse modele cu constant, dar fr trend i includerea FLIDES, R., Forecasting Competition,
liniar a trendului. HIBON, M., Journal of Forecasting,
Concluziile principale, care se pot trage, sunt: LEWANDOWSKI, R., 1/1982, p. 111-153
1. Chiar dac pentru unele serii prognozele neliniare dau NEWTON, J.,
PARSEN, E.,
rezultate mai bune dect cele liniare, majoritatea
WINKLER, R.
metodelor de prognoz neliniar i toate metodele
bazate pe reele neuronale duc la prognoze care au o 8. MEESE, R., A Comparison of
calitate mai joas dect prognozele obinute prin GEWEKE, J. Autoregressive Univariate
Forecasting Procedures for
metode liniare.
Macroeconomic Time
2. mbuntirea prognozelor, pentru toate orizonturile Series, Journal of Business
de prognoz cercetate, favorizeaz verificarea i and Economic Statistics,
testarea preliminar a existenei rdcinii unitare. 2/1984, p. 191-200
3. Combinarea prognozelor, obinute prin diverse
9. PRACHI, I. Aspecte conceptuale ale
metode, servete drept protecie fa de erorile prea analizei seriilor de timp,
mari ale prognozelor i poate fi recomandat pentru Revista Drept, economie i
utilizarea ei n practica de prognoz. informatic, 5/2001,
4. Dac analistul prefer s utilizeze doar o metod de Galai, p. 13-18,
prognoz, atunci, n cazul dat, se recomand utilizarea 10. RUDEBUSCH, G. D. The Uncertain Root in Real
modelului cu autoregresie cu testarea preliminar la GNP, American Economic
existena rdcinii unitare i alegerea gradului de Review, 83/1993, p. 264-272
autoregresie n baza datelor statistice. 11. .-
, .,
, .,
, .,
, ., ,
Prof. univ. dr. Ion PRACHI
, 2001
Academia de Studii Economice Chiinu
90 Economia z 2/2003
Management
12. SWANSON, N. R., A Model Selection Approach 15. STOCK, J. H. VAR, Error Correction and
WHITE, H. to Assessing the Information Pretest Forecasts at Long
in Term Structure Using Horizons, Oxford Bulletin of
Linear Models and Artificial
Neural Networks, Journal of Economics and Statistics,
Business and Economic Sta- 58/1996, N4, p. 685-701
tistics, 13/1995, p. 265-275 16. STOCK, J. H., A Comparison of Linear and
13. SWANSON, N. R., Forecasting Economic Time WATSON, M. W. Nonlinear Univariate
WHITE, H. Series Using Flexible versus Models for Forecasting
Fixed Specification and Linear Macroeconomic Time Series,
versus Nonlinear Econometric
Models, International Journal Journal of Business and
of Forecasting, 13/1997, N4, Economic Statistics, 14/1996,
p. 439-461 N1, p. 11-30
14. SWANSON, N. R., A Model Selection Approach 17. WEIGAND, A. S., Time Series prediction:
WHITE, H. to Real-Time Macroeconomic GERSHENFELD Forecasting the Future and
13 Forecasting Using Linear Understanding the Past.
Models and Artificial Neural Addison-Wesley for
Networks, Review of Econo-
mics and Statistics, 79/1997, Santa Fe Institute: Reading,
p. 540-550 1994
Economia z 2/2003 91