Yugra State University BulletinYugra State University BulletinВестник Югорского государственного университета1816-92282078-9114Yugra State University62289210.18822/byusu20230346-51MATHEMATICAL MODELING AND INFORMATION TECHNOLOGIESМАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИResearch ArticleImproving the quality of the forecast through methods of combining forecastsПовышения качества прогноза посредством методов объединения прогнозовRusanovMikhail A.РусановМихаил Александрович
Russian Federation

Head of the Center for Information and Analytical Systems

руководитель центра информационно-аналитических систем

rusanovma@uriit.ruSherginSergey N.ШергинСергей Николаевич
Russian Federation

Candidate of Physics and Mathematics, Associate Professor of the Department of Information Technology

кандидат физико-математических наук, доцент

ssn@ugrasu.ruTatjankinVitaliy M.ТатьянкинВиталий Михайлович
Russian Federation

Candidate of Technical Sciences, Associate Professor of the Department of Information Technology

кандидат технических наук, доцент

bambar@bk.ruYugorsky Research Institute of Information TechnologiesЮгорский научно-исследовательский институт информационных технологийYugra State UniversityФГБОУ ВО «Югорский государственный университет»Surgut State UniversityБУ ВО «Сургутский государственный университет»0111202319346513110202331102023Copyright ©; 2023, Yugra State UniversityCopyright ©; 2023, Югорский государственный университет2023Yugra State UniversityЮгорский государственный университетhttps://creativecommons.org/licenses/by-sa/4.0https://vestnikugrasu.org/byusu/article/view/622892

Subject of research: The article is devoted to the comparison of forecasting methods and methods of combining forecasts when forecasting average monthly wages for some regions of the Russian Federation for the period from January 2013 to July 2022.

Purpose of the study: To test the hypothesis of improving forecast quality through forecast pooling methods.

Methods and objects of research: Time series of average monthly wages in the Khanty-Mansi Autonomous Okrug – Yugra, Yamal-Nenets Autonomous Okrug and Sverdlovsk region are used to compare forecasting methods and methods of combining forecasts. The paper considers forecasting methods: TBATS, ARIMA, exponential smoothing, ETS, Theta, STL, polynomial regression and the approach in combining forecasts by the Granger-Ramanathan method.

Main results of research: The paper presents the results of comparison of forecasting methods and approach in combining forecasts by Granger-Ramanathan method. Time series of average monthly wages were taken from statistical collections of Rosstat. The forecast horizon was set at 12, 18 and 24 points. The Granger-Ramanathan method showed that in most cases it is possible to improve the quality of the forecast by combining private forecasts.

Предмет исследования: статья посвящена сравнению методов прогнозирования и методов объединения прогнозов при прогнозировании среднемесячной заработной платы для некоторых регионов Российской Федерации за период с января 2013 года по июль 2022 года.

Цель исследования: проверить гипотезу о повышении качества прогноза посредством методов объединения прогнозов.

Методы и объекты исследования: для сравнения методов прогнозирования и методов объединения прогнозов используются временные ряды среднемесячной заработной платы в Ханты-Мансийском автономном округе – Югре, Ямало-Ненецком автономном округе и Свердловской области. В работе рассматриваются методы прогнозирования: TBATS, ARIMA, экспоненциальное сглаживание, ETS, Theta, STL, полиномиальная регрессия и подход в объединении прогнозов методом Грейнджера-Раманатхана.

Основные результаты исследования: в работе представлены результаты сравнения методов прогнозирования и подхода в объединении прогнозов методом Грейнджера-Раманатхана. Временные ряды среднемесячной заработной платы были взяты из статистических сборников Росстата. Горизонт прогноза задавался на 12, 18 и 24 точки. Метод Грейнджера-Раманатхана показал, что в большинстве случаев получается повысить качество прогноза методом объединения частных прогнозов.

forecastingforecast poolingGranger-Ramanathan methodпрогнозированиеобъединение прогнозовметод Грейнджера-РаманатханаXie, Y. Stock Market Forecasting Based on Text Mining Technology: A Support Vector Machine Method / Y. Xie, H. Jiang // Journal of Computers. – 2019. – V. 12, № 1. – P. 500–510. – DOI: 10.17706/jcp.12.6.500-510.Tilly, S. Macroeconomic forecasting with statistically validated knowledge graphs / S. Tilly, G. Livan. – URL: https://arxiv.org/pdf/2104.10457.pdf (date of application: 08.12.2022).Wang, X. Forecast combinations: an over 50-year review / X. Wang, B.J. Hyndman, F. Li, Y. Kang. – URL: https://arxiv.org/pdf/2205.04216.pdf (date of application: 08.12.2022).Makridakis, S. The M4 Competition: 100,000 time series and 61 forecasting methods / S. Makridakis, E. Spiliotis, V. Assimakopoulos // International Journal of Forecasting. – 2020. – V. 36, № 1. – P. 54–74. – DOI: 10.1016/j.ijforecast.2019.04.014.Макридакис Соревнования – Makridakis Competitions // Интернет-ресурс wiki. – URL: https://wikicsu.ru/wiki/Makridakis_Competitions (дата обращения 08.12.2022). – Текст : электронный.Makridakis, S. Statistical and Machine Learning forecasting methods: Concerns and ways forward / S. Makridakis, E. Spiliotis, V. Assimakopoulos // PLOS ONE. – 2018. – V. 27. – DOI: 10.1371/journal.pone.0194889.Френкель, А. А. Сравнительный анализ методов построения объединенного прогноза / А. А. Френкель, Н. Н. Волкова, А. А. Сурков, Э. И. Романюк. – Текст : электронный // Вопросы статистики. – 2017. – URL : https://voprstat.elpub.ru/jour/article/view/535/488 (дата обращения 08.12.2022).Френкель, А. А. Использование методов гребневой регрессии при объединении прогнозов / А. А. Френкель, Н. Н. Волкова, А. А. Сурков, Э. И. Романюк. – Текст : непосредственный // Финансы: теория и практика. – 2018. – DOI: 10.26794/2587-5671-2018-22-4-6-17.Сурков, А. А. Применение метода попарных сравнений при объединении экономических прогнозов / А. А Сурков. – URL: https://cyberleninka.ru/article/n/primenenie-metoda-poparnyh-sravneniy-pri-obedinenii-ekonomicheskih-prognozov/viewer (дата обращения 08.12.2022). – Текст : электронный.Сурков, А. А. Объединение экономических прогнозов с использованием экспертной информации / А. А Сурков. – URL: https://cyberleninka.ru/article/n/obedinenie-ekonomicheskih-prognozov-s-ispolzovaniem-ekspertnoy-informatsii/viewer (дата обращения 08.12.2022). – Текст : электронный.De Livera, A. M. Forecasting time series with complex seasonal patterns using exponential smoothing / A. M. De Livera, R. J. Hyndman, R. D. Snyder // Journal of the American Statistical Association. – 2012. – V. 106, № 496. – P. 1513–1527. – DOI: 10.1198/jasa.2011.tm09771Hyndman, R. J. Forecasting: principles and practice / R.J. Hyndman, G. Athanasopoulos. – URL: https://otexts.com/fpp3/ (date of application: 19.04.2020).Иванов, С. А. Использование модели Хольта для прогнозирования изменения температурного режима в закрытом грунте / С. А. Иванов, И. Ю. Квятковская. – Текст : непосредственный // Вестник СГТУ – 2016. – Т. 82, № 1. – 4 с.Assimakopoulos, V. The theta model: a decomposition approach to forecasting / V. Assimakopoulos, K. Nikolopoulos // International Journal of Forecasting. – 2000. – V. 16, №4. – P. 521-530. – DOI: 10.1016/S0169-2070(00)00066-2Hyndman, R. J. Unmasking the Theta method / R. J. Hyndman, B. Billah // International Journal of Forecasting. – 2003. – V. 19, №2. – P. 287-290. – DOI: 10.1016/S0169-2070(01)00143-1Cleveland, R. B. STL: A Seasonal-Trend Decomposition Procedure Based on LOESS / R. B. Cleveland, W. S. Cleveland, J.E. McRae, I. Terpenning // Journal of Official Statistics. – 1990. – V. 6. – P. 3-73.Proietti, T. Real time estimation in local polynomial regression, with application to trend-cycle analysis / T. Proietti, A. Luati // The Annals of Applied Statistics. – 2009. – V. 2, №4. – P. 1523-1553. – DOI: 10.1214/08-AOAS195.