دانلود مقاله ISI انگلیسی شماره 45737
ترجمه فارسی عنوان مقاله

پیش بینی سری های زمانی اقتصاد کلان: روش های مبتنی بر LASSO و ترکیب های پیش بینی آنها با مدل های عامل دینامیکی

عنوان انگلیسی
Forecasting macroeconomic time series: LASSO-based approaches and their forecast combinations with dynamic factor models
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
45737 2014 20 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 13877 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 19 روز بعد از پرداخت 166,524 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 10 روز بعد از پرداخت 333,048 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : International Journal of Forecasting, Volume 30, Issue 4, October–December 2014, Pages 996–1015

ترجمه کلمات کلیدی
سری زمانی با ابعاد بالا - انتخاب مدل - مدل عامل پویا - ترکیب پیش بینی
کلمات کلیدی انگلیسی
High-dimensional time series; Model selection; Dynamic factor model; Combining forecasts
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی سری های زمانی اقتصاد کلان: روش های مبتنی بر LASSO و ترکیب های پیش بینی آنها با مدل های عامل دینامیکی

چکیده انگلیسی

In a data-rich environment, forecasting economic variables amounts to extracting and organizing useful information from a large number of predictors. So far, the dynamic factor model and its variants have been the most successful models for such exercises. In this paper, we investigate a category of LASSO-based approaches and evaluate their predictive abilities for forecasting twenty important macroeconomic variables. These alternative models can handle hundreds of data series simultaneously, and extract useful information for forecasting. We also show, both analytically and empirically, that combing forecasts from LASSO-based models with those from dynamic factor models can reduce the mean square forecast error (MSFE) further. Our three main findings can be summarized as follows. First, for most of the variables under investigation, all of the LASSO-based models outperform dynamic factor models in the out-of-sample forecast evaluations. Second, by extracting information and formulating predictors at economically meaningful block levels, the new methods greatly enhance the interpretability of the models. Third, once forecasts from a LASSO-based approach are combined with those from a dynamic factor model by forecast combination techniques, the combined forecasts are significantly better than either dynamic factor model forecasts or the naïve random walk benchmark.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 13877 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 19 روز بعد از پرداخت 166,524 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 10 روز بعد از پرداخت 333,048 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.