Um was geht es in dem Artikel? Vorhersagegenauigkeit ist grundlegend für gewinnbringende Planung und Entscheidungsfindung im Unternehmen, während die Kombination der Vorhersagen einzelner Modelle ein etablierter Ansatz zur Verbesserung der Vorhersagegenauigkeit gegenüber einzelnen Meinungen oder einzelnen statistischen Modellen ist. In der aktuellen Forschung hierzu ist ein zentrale Frage, wie die einzelnen Meinungen und Modell-Erwartungen gewichtet werden sollen.

Um diese Frage zu adressieren, entwickeln die Autoren eine geschlossene Formulierung für den erwarteten quadrierten Fehler einer Kombination von sogenannten effizienten Einzel-Vorhersagen mit bestimmten Gewichtungsschemas und zerlegen den erwarteten quadrierten Fehler in eine Bias-, Varianz- und Noise-Komponente. Die Komponenten werden dann verwendet, um den Schrumpfungsfaktor der Gewichte abzuleiten, der den erwarteten quadrierten Fehler minimiert. Die Autoren demonstrieren das Potenzial zur Verbesserung der Prognosegenauigkeit mit dem vorgestellten Ansatz anhand von Daten des Survey of Professional Forecasters der Federal Reserve Bank of Philadelphia.

Weitere Infos findest Du hier: Veröffentlichung Management Science

Vorheriger Beitrag Nächster Beitrag