Utilizados en una serie de ciencias, que van desde la econometría a la meteorología , los pronósticos de consenso son predicciones del futuro que se crean combinando varios pronósticos separados que a menudo se han creado utilizando diferentes metodologías. También conocido como combinación de pronósticos , promedios de pronósticos o promedios de modelos (en econometría y estadísticas ) y máquinas de comités , promedios de conjuntos o agregación de expertos (en aprendizaje automático ). Las aplicaciones pueden variar desde pronosticar el clima hasta predecir el clima anual.El Producto Interno Bruto de un país o la cantidad de automóviles que una empresa o un distribuidor individual probablemente venda en un año. Si bien los pronósticos a menudo se hacen para valores futuros de una serie de tiempo , también pueden ser para eventos únicos, como el resultado de una elección presidencial o un partido de fútbol.
Fondo
La previsión juega un papel clave en el proceso de planificación de cualquier organización, ya que proporciona información sobre la incertidumbre. A través de la simulación, se podrá evaluar si es probable que las estrategias propuestas produzcan los objetivos deseados dentro de límites predefinidos. En el campo de la previsión económica , la trayectoria futura de la economía es intrínseca a las perspectivas comerciales de casi todas las empresas y, por tanto, existe una demanda considerable de previsiones económicas precisas. Para igualar esta fuerte demanda está el gran volumen de información pronosticada fácilmente disponible de gobiernos, agencias internacionales y varias empresas privadas. Empresas como Consensus Economics y Blue Chip Economic Indicators se especializan en la publicación de datos de previsión económica; las primeras cubren la mayoría de las principales regiones del mundo y las segundas se centran en la economía de EE. UU. Sin embargo, descifrar el mejor método de pronóstico no es una tarea fácil y depende en gran medida de los objetivos del usuario y de las limitaciones que probablemente enfrentará. En lugar de intentar identificar un único mejor método de pronóstico, un enfoque alternativo es combinar los resultados de pronosticadores independientes y tomar un promedio de los pronósticos.
Este método de tomar un promedio simple de un panel de pronósticos independientes, derivado de diferentes métodos de pronóstico , se conoce como pronósticos combinados y el resultado a menudo se conoce como pronóstico de consenso. A menos que se pueda identificar un modelo de pronóstico en particular que produzca errores de pronóstico más pequeños en comparación con otros pronósticos individuales, la adopción del enfoque de consenso puede ser beneficiosa debido a las ganancias de diversificación. La combinación de pronósticos económicos está bien establecida en muchos países y puede incluir bancos centrales, instituciones gubernamentales y empresas entre los usuarios. En las últimas décadas, los pronósticos de consenso han atraído mucho interés, respaldados por la publicación de una gran cantidad de investigaciones académicas sobre la precisión de los pronósticos. Los estudios empíricos muestran que la combinación de pronósticos aumenta la precisión del pronóstico. [1] [2] [3] Una de las ventajas de utilizar pronósticos de consenso es que puede resultar útil si existe un alto grado de incertidumbre o riesgo asociado a la situación y la selección del pronóstico más preciso por adelantado es difícil. Incluso si un método se identifica como el mejor, aún vale la pena combinarlos si otros métodos pueden hacer una contribución positiva a la precisión del pronóstico. Además, muchos factores pueden afectar el pronóstico independiente y estos, junto con cualquier información adicional útil, podrían capturarse utilizando el enfoque de consenso. Otro argumento a favor de este método es que los pronósticos individuales pueden estar sujetos a numerosos sesgos de comportamiento , pero estos pueden minimizarse combinando pronósticos independientes. Por lo tanto, se considera que la combinación ayuda a mejorar la precisión del pronóstico al reducir los errores de pronóstico de los pronósticos individuales. Además, es probable que promediar los pronósticos sea más útil cuando los datos y las técnicas de pronóstico de los que se extraen los pronósticos de los componentes difieren sustancialmente. Y aunque es solo un enfoque simple (generalmente un promedio medio no ponderado), este método es tan útil como otros modelos más sofisticados. De hecho, estudios más recientes de la última década han demostrado que, con el tiempo, el pronóstico combinado de ponderaciones iguales suele ser más preciso que el pronóstico individual que constituye el consenso. [4] [5] [6]
En resumen, la utilidad de la técnica de pronóstico de consenso ha sido respaldada por una gran cantidad de estudios empíricos en las últimas décadas. El uso de pesos iguales en el método de combinación es atractivo debido a su simplicidad y es fácil de describir. Entre otros, muchos de los bancos centrales del mundo han puesto en práctica este método simple de promediar los pronósticos de los pronosticadores individuales al tratar de medir las expectativas en el sector privado. Un estudio empírico realizado por Roy Batchelor en 2000 demuestra una mayor precisión en los pronósticos de consenso sobre las proyecciones macroeconómicas producidas por agencias multinacionales líderes como el Fondo Monetario Internacional y la Organización para la Cooperación y el Desarrollo Económicos . [7] Un estudio de Robert C. Jones encontró: "Al menos desde la publicación de" The Combination of Forecasts "(Bates y Granger [1969]), los economistas han sabido que la combinación de pronósticos de diferentes fuentes puede mejorar la precisión y reducir la En los años intermedios, numerosos estudios han confirmado estas conclusiones, delineado las condiciones bajo las cuales las combinaciones de pronóstico son más efectivas y han tratado de explicar por qué los pesos iguales simples funcionan tan bien en relación con técnicas estadísticas más sofisticadas ". [8]
Pronósticos probabilísticos
Aunque la literatura sobre la combinación de pronósticos puntuales es muy rica, el tema de combinar pronósticos probabilísticos no es tan popular. [3] Hay muy pocos artículos que se ocupan explícitamente de la combinación de pronósticos de intervalo , sin embargo, ha habido algunos avances en el área de pronósticos de densidad. [9] [10] Se ha introducido una técnica alternativa simple pero poderosa en el contexto de la previsión del precio de la electricidad. El promedio de regresión cuantílica (QRA) implica la aplicación de la regresión cuantílica a los pronósticos puntuales de varios modelos de pronóstico individuales o expertos. [11] Se ha descubierto que funciona muy bien en la práctica: los dos equipos con mejor rendimiento en la pista de precios de la Competencia Global de Previsión de Energía (GEFCom2014) utilizaron variantes de QRA.
Ver también
Otras lecturas
- Timmermann, Allan (2007). "Una evaluación de las previsiones de Perspectivas de la economía mundial". Documentos del personal técnico del FMI . 54 (1): 1–33. CiteSeerX 10.1.1.547.96 . doi : 10.1057 / palgrave.imfsp.9450007 . JSTOR 30036001 .
- Novotny, Filip; Rakova, Marie (2011). "Evaluación de la precisión de las previsiones de consenso: la perspectiva del Banco Nacional Checo" (PDF) . Finance a Uver: Revista Checa de Economía y Finanzas . 61 (4): 348–366. Archivado desde el original (PDF) el 31 de diciembre de 2014 . Consultado el 27 de junio de 2012 .
Referencias
- ^ Clemen, Robert T. (1989). "Combinando pronósticos: una revisión y bibliografía comentada". Revista Internacional de Pronósticos . 5 (4): 559–583. doi : 10.1016 / 0169-2070 (89) 90012-5 .
- ^ Blix, Marten; Wadefjord, Joachim; Wienecke, Ulrika; Adahl, Martin (2001). "¿Qué tan bueno es el desempeño de las previsiones de las principales instituciones?". Revisión económica . 3/2001.
- ^ a b Timmermann, Allan (2006). G. Elliott, CWJ Granger y A. Timmermann (ed.). Capítulo 4 Combinaciones de pronósticos . Manual de previsión económica . 1 . págs. 135–196. doi : 10.1016 / s1574-0706 (05) 01004-9 . ISBN 9780444513953.
- ^ Makridakis; Hibon (2000). "La competencia M3: resultados, conclusiones e implicaciones". Revista Internacional de Pronósticos . 16 (4): 451–476. doi : 10.1016 / s0169-2070 (00) 00057-1 .
- ^ McNees, Stephen K. (noviembre de 1987). "Previsiones de consenso: tiranía de la mayoría". Revisión económica de Nueva Inglaterra .
- ^ Golinelli, R .; Parigi, G. (2008). "Cuadrado en tiempo real: un conjunto de datos en tiempo real para el pronóstico del PIB en tiempo real". Revista Internacional de Pronósticos . 24 (3): 368–385. doi : 10.1016 / j.ijforecast.2008.05.001 .
- ^ Batchelor, Roy (2000). "El FMI y la OCDE frente a las previsiones de consenso". Economía aplicada . 33 (2): 225–235. doi : 10.1080 / 00036840121785 .
- ^ Jones, Robert C. (2014). "Tomando mejores decisiones de inversión". El diario de gestión de carteras . 40 (2): 128-143. doi : 10.3905 / jpm.2014.40.2.128 .
- ^ Wallis, Kenneth F. (2005). "Combinando pronósticos de densidad e intervalo: una propuesta modesta *". Boletín de Oxford de Economía y Estadística . 67 : 983–994. CiteSeerX 10.1.1.491.674 . doi : 10.1111 / j.1468-0084.2005.00148.x . ISSN 1468-0084 .
- ^ Mitchell, James; Wallis, Kenneth F. (2011). "Evaluación de pronósticos de densidad: combinaciones de pronósticos, mezclas de modelos, calibración y nitidez". Revista de Econometría Aplicada . 26 (6): 1023–1040. CiteSeerX 10.1.1.216.9657 . doi : 10.1002 / jae.1192 . ISSN 1099-1255 .
- ^ Nowotarski, Jakub; Weron, Rafał (2015). [Acceso abierto]. "Calcular los intervalos de predicción de precios al contado de electricidad mediante regresión cuantílica y promedios de previsión" . Estadística computacional . 30 (3): 791–803. doi : 10.1007 / s00180-014-0523-0 . ISSN 0943-4062 .