Go to the content. | Move to the navigation | Go to the site search | Go to the menu | Contacts | Accessibility

| Create Account

Bisaglia, Luisa and Di Fonzo, Tommaso and Girolimetto, Daniele (2020) Fully reconciled GDP forecasts from Income and Expenditure sides. [Conference papers] In: 50th Scientific Meeting of the Italian Statistical Society, 22-24 June 2020 (posponed due to Covid-19), Pisa. (In pubblicazione)

Full text disponibile come:

[img]
Preview
PDF Document (Comunicazione al Convegno della Società Italiana di Statistica 2020) - Accepted Version
Available under License Creative Commons Attribution.

185Kb

Abstract (italian or english)

We propose a complete reconciliation procedure, resulting in a `one number forecast' of the GDP figure, coherent with both Income and Expenditure sides' forecasted series, and evaluate its performance on the Australian quarterly GDP series, as compared to the original proposal by Athanasopoulos et al. (2019).

Abstract (a different language)

In questo lavoro viene proposta una procedura di riconciliazione delle previsioni del PIL e delle sue componenti tanto dal lato del Reddito quanto da quello della Spesa, volta a produrre previsioni coerenti rispetto ad entrambi i lati. Tale procedura, applicata alle serie trimestrali del PIL australiano, viene posta a confronto con la proposta originale di Athanasopoulos et al. (2019).

Statistiche Download
EPrint type:Conference papers (Comunicazione)
Anno di Pubblicazione:2020
Key Words:forecast reconciliation, cross-sectional (contemporaneous) hierarchies, GDP, Income, Expenditure
Settori scientifico-disciplinari MIUR:Area 13 - Scienze economiche e statistiche > SECS-S/03 Statistica economica
Struttura di riferimento:Dipartimenti > Dipartimento di Scienze Statistiche
Codice ID:12937
Depositato il:18 Jun 2020 08:36
Simple Metadata
Full Metadata
EndNote Format

Bibliografia

I riferimenti della bibliografia possono essere cercati con Cerca la citazione di AIRE, copiando il titolo dell'articolo (o del libro) e la rivista (se presente) nei campi appositi di "Cerca la Citazione di AIRE".
Le url contenute in alcuni riferimenti sono raggiungibili cliccando sul link alla fine della citazione (Vai!) e tramite Google (Ricerca con Google). Il risultato dipende dalla formattazione della citazione.

Athanasopoulos, G., Gamakumara, P., Panagiotelis, A., Hyndman, R.J., Affan, M. (2019), Hierarchical Forecasting, in Fuleky, P. (ed.), Macroeconomic Forecasting in the Era of Big Data, Cham, Springer, 689-719. Cerca con Google

Bates, J.M., Granger, G.W.J. (1969), The combination of forecasts, Operational Research Quarterly, 20, 4, 461--468. Cerca con Google

Hyndman, R.J., Ahmed, R.A., Athanasopoulos, G., Shang, H.L. (2011), Optimal combination forecasts for hierarchical time series, Computational Statistics & Data Analysis, 55, 9, 2579-2589. Cerca con Google

Panagiotelis, A., Gamakumara, P., Athanasopoulos, G., Hyndman, R.J. (2019), Forecast reconciliation: A geometric view with new insights on bias correction, Department of Econometrics and Business Statistics, Monash University, Working Paper 18/19. Cerca con Google

Schafer, J.L., Strimmer, K. (2005), A Shrinkage Approach to Large-Scale Covariance Matrix Estimation and Implications for Functional Genomics, Statistical Applications in Genetics and Molecular Biology, 4, 1. Cerca con Google

Stone, R., Champernowne, D.G., Meade, J.E. (1942), The precision of national income estimates, The Review of Economic Studies, 9, 2, 111-125. Cerca con Google

Van Erven, T., Cugliari, J. (2015), Game-theoretically Optimal Reconciliation of Contemporaneous Hierarchical Time Series Forecasts, in Antoniadis, A., Poggi, J.M., Brossat, X., (eds.), Modeling and Stochastic Learning for Forecasting in High Dimensions, Berlin, Springer, 297-317. Cerca con Google

Wickramasuriya, S.L., Athanasopoulos, G., Hyndman, R.J. (2019), Optimal forecast reconciliation for hierarchical and grouped time series through trace minimization, Journal of the American Statistical Association, 114, 526, 804-819. Cerca con Google

Download statistics

Solo per lo Staff dell Archivio: Modifica questo record