Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Ökonometrie I Prognose und Prognosequalität. 17.12.2004Ökonometrie I2 Prognose: Notation Spezifiziertes Modell: y = X + u y, u: n-Vektoren; X: Ordnung.

Ähnliche Präsentationen


Präsentation zum Thema: "Ökonometrie I Prognose und Prognosequalität. 17.12.2004Ökonometrie I2 Prognose: Notation Spezifiziertes Modell: y = X + u y, u: n-Vektoren; X: Ordnung."—  Präsentation transkript:

1 Ökonometrie I Prognose und Prognosequalität

2 Ökonometrie I2 Prognose: Notation Spezifiziertes Modell: y = X + u y, u: n-Vektoren; X: Ordnung n x k, : k-Vektor Prognosezeitraum, Prognoseintervall: f = {n+1,...,n+p} enthält p Prognosezeitpunkte Prognosehorizont: n+p Prognosewerte, Punktprognosen b: OLS-Schätzer für, X f : Realisationen der Regressoren in f

3 Ökonometrie I3 Prognosefehler Varianz des Prognosefehlers Normalverteilte Störgrößen u, u f

4 Ökonometrie I4 Prognoseintervall 100%-ige Prognoseintervalle (i=1,…,p) f (i): Standardabweichung des Prognosefehlers, i-tes Diagonalelement von Var{e f } Bei unbekannter 2 s f (i) wie f (i) mit s 2 anstelle von 2

5 Ökonometrie I5 Beispiel: 1-Schritt-Prognose Regression Y t = + X t + u t Beobachtungen (X t, Y t ), t = 1, …, n Prognose für t = n+1: Prognosefehler hat Varianz

6 Ökonometrie I6 Beispiel:1-Schritt-Prognose, Forts. Bei normalverteilten Störgrößen: 95%-iges Progoseintervall oder

7 Ökonometrie I7 Konsumfunktion Prognoseintervall

8 Ökonometrie I8 Konsumfunktion, Forts. Anpassung an Daten 70:1-03:4 Ĉ = Y Prognose für 04:1: Ŷ t = , t + 0, t 2 t = 133 für 04:1 Ŷ 133 = Ĉ 133 = Prognose für Konsum: 895.4( ) = Mrd EUR

9 Ökonometrie I9 Konsumfunktion, Forts. Prognoseintervall für 2004:1 s 2 = , s Y 2 = = , Ŷ 133 = %iges Prognoseintervall für Zuwachsraten 0.027–(1.978)(0.0079) C (1.978)(0.0079) C %iges Prognoseintervall für den Konsum in 2004: PCR (in Mrd EUR) Breite des Prognoseintervall (28.6 Mrd EUR): ca 3%

10 Ökonometrie I10 Beurteilung von Prognosen ex post Prognosen: Prognosezeitraum ist Teil des Beobachtungszeitraums Kennzahlen zur Prognosequalität RMSE (root mean squared error) MAE (mean absolute error) Theil'scher Ungleichheitskoeffizient Komponenten der Zerlegung des MSE (mean squared error)

11 Ökonometrie I11 RMSE und MSE Wurzel aus dem mittleren quadratischen Prognosefehler n * : Anzahl der Beobachtungen im (ex post) Prognosezeitraum Empfindlich gegen einzelne große Prognosefehler MSE: Quadrat des RMSE; mittlerer quadratischer Prognosefehler

12 Ökonometrie I12 MAE Mittlerer absoluter Prognosefehler Weniger empfindlich gegen einzelne große Prognosefehler als MSE und RMSE Von Skalierung unabhängig ist der mittlere absolute prozentuelle Prognosefehler Analog MSE und RMSE.

13 Ökonometrie I13 Theil'scher Ungleichheitskoeffizient Von Skalierung unabhängig U liegt im Intervall [0,1] mit Y t = Y t -Y t-1 oder Y t = (Y t -Y t-1 )/Y t-1

14 Ökonometrie I14 Zerlegung des MSE Es gilt oder MSE b + MSE v + MSE k = 1 mit 1. (Beitrag des Bias) 2. (Beitrag der Varianz) 3. (Beitrag der Kovarianz)

15 Ökonometrie I15 Konsumfunktion, Forts.


Herunterladen ppt "Ökonometrie I Prognose und Prognosequalität. 17.12.2004Ökonometrie I2 Prognose: Notation Spezifiziertes Modell: y = X + u y, u: n-Vektoren; X: Ordnung."

Ähnliche Präsentationen


Google-Anzeigen