Abstract
The ex-post evaluation of forecasts by the realized forecast errors is an important tool in choosing an adequate model to represent the analyzed time series data and also in comparing competing forecast methods. Measures like the mean squared error MSE and the mean absolute error MAE are frequently used for this purpose. Especially when analyzing data with outliers MSE and MAE may produce misleading results. This paper presents robustified versions MRSE and MRAE of MSE and MAE, respectively. They are much better suited to identify those forecasts which are based on the parameters of the underlying model. This feature is illustrated by a simulation study.
Zusammenfassung
Die Ex-post-Beurteilung von Vorhersagen anhand der realisierten Prognosefehler ist ein wichtiges Hilfsmittel bei der vergleichenden Bewertung konkurrierender Prognoseverfahren oder auch bei der Modellauswahl im Rahmen der Analyse einer Zeitreihe. Hierzu werden häufig der mittlere quadratische Fehler MSE, der mittlere absolute Fehler MAE und ähnliche Maße herangezogen. Gerade bei ausreißerbehafteten Daten zeigt es sich, daß die Verwendung von MSE und MAE zu irreführenden Resultaten führen kann. In dieser Arbeit werden robustifizierte Versionen des MSE und MAE -MRSE bzw. MRAE—vorgestellt, die in einer Simulationsstudie insbesondere bei Daten mit Ausreißern zu einer deutlich sichereren Identifikation der Vorhersage anhand der zugrundeliegenden Modellparameter führten.
Similar content being viewed by others
References
Box GEP, Jenkins GM (1976) Time Series Analysis: Forecasting and Control. Revised Edition. Prentice Hall, Englewood Cliffs, New Jersey
Elsebach R (1993) Prognosen bei AR-Prozessen mit Ausreißern. Dissertation. Universität der Bundeswehr Hamburg
Huang D (1990) Levinson-Type Recursive Algorithms for Least-Squares Autoregression. Journal of Time Series Analysis 11(4): 295–315
Huber PJ (1964) Robust Estimation of a Location Parameter. Annals of Mathematical Statistics 35: 73–101
Makridakis S et al. (1982) The Accuracy of Extrapolation (Time Series) Methods: Results of a Forecasting Competition. Journal of Forecasting 1: 111–153
Martin RD (1979) Robust Estimation for Time Series Autoregression. In: Launer, Wilkinson (eds) Robustness in Statistics. Academic Press, New York, pp 147–176
Martin RD (1981) Robust Methods for Time Series. In: Findley DF (ed). Applied Time Series Analysis II. Academic Press, New York, pp 683–759
Author information
Authors and Affiliations
Additional information
This article was processed using Springer-Verlag TEX OR Spektrum macro package 1.0 and the AMS fonts, developed by the American Mathematical Society.
Rights and permissions
About this article
Cite this article
Elsebach, R. Evaluation of forecasts in AR models with outliers. OR Spektrum 16, 41–45 (1994). https://doi.org/10.1007/BF01719702
Received:
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/BF01719702