ارزيابي روش هاي تركيب پيش‌بيني: مطالعه موردي قيمت مسكن در شهر تهران

Evaluation of Forecast Combination Methods: A Case Study for Tehran House Price

در اين مطالعه ابتدا محتواي اطلاعاتي متغيرهاي گوناگون اقتصادي براي پيش‌بيني قيمت مسكن در شهر تهران بررسي شده و سپس عملكرد برخي از روش هاي تركيب پيش‌بيني براي پيش‌بيني اين متغير ارزيابي شده است. نتايج به دست آمده حاكي از آن است كه اســتفاده از اطلاعات متغيرهاي گوناگون به وسيله تكنيك هاي تركيب پيش‌بيني مي تواند باعث افزايش دقت پيش‌بيني گردد. در اين ميان، دقت روشهاي ساده تركيب از روش وزن هاي بهينه، عليرغم برخورداري از پشتوانه نظري، بيشتر است. همچنين بطور كلي اختصاص اهميت بيشتر به پيش‌بيني هاي اخير (در روش مجذور خطاي تنزيل شده) و همفزوني كمتر اطلاعات (در روش خوشه بندي) موجب افزايش دقت پيش‌بيني مي گردد. از طرف ديگر انقباض وزن ها به سمت وزن هاي يكسان (در روش انقــباضي) با كاهش ميــزان خطاي تخمين، عملكرد پيش‌بيني را بهبود مي بخشد.

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.