×
李梦恒;库普曼，Siem Jan;拉特·利特;德西斯拉瓦·彼得罗娃

通过动态因素模拟对厄尔尼诺事件进行长期预测。 （英语） Zbl 1456.62295号

《经济学杂志》。 214，编号1，46-66（2020）.
摘要：我们提出了一种新的预测程序，该程序特别探索了提高与众所周知的厄尔尼诺现象有关的尼诺3.4时间序列中长期预测精度的机会。这一重要的气候时间序列具有复杂的动态结构，并与其他气候变量相关。该程序由三个步骤组成。首先，考虑一个单变量时间序列模型来产生预测误差。其次，通过误差和解释变量的动态因子模型模拟预测误差的信号路径。根据这些模拟误差，构建了尼诺3.4的集合时间序列。第三，从集合时间序列生成预测，其样本平均值是我们的最终预测。作为这些动态因子模拟的一部分，我们还获得了厄尔尼诺事件的预测，这是一个分类变量。我们提供的实证证据表明，与其他计量经济学预测方法相比，我们的方法在预测性能上可能更优越。

MSC公司：

62第20页 统计学在经济学中的应用
62M10个 统计学中的时间序列、自相关、回归等（GARCH）
62M20型 随机过程推断和预测
62页第12页 统计在环境和相关主题中的应用
86A08型 气候科学和气候建模

关键词：

气候计量经济学;动态模型;卡尔曼滤波器;模拟平滑;因子模型;未观察到的组件;长期预测;多元时间序列

软件：

SsfPack系列;公牛
PDF格式BibTeX公司 XML格式引用
\textit{M.Li}等人，《经济学杂志》。214，编号1，46-66（2020；兹bl 1456.62295）
全文： DOI程序 链接

参考文献：

[1] Ashley，R.，《关于近期宏观经济预测的相对价值》，《国际期刊预测》。，4, 363-376 (1988)
[2] Bai，J。；Ng，S.，《使用目标预测因子预测经济时间序列》，《计量经济学杂志》，146，2，304-317（2008）·Zbl 1429.62419号
[3] Barnston，A。；Chelliah，M。；Goldenberg，S.，赤道太平洋与ENSO高度相关的SST区域的记录，《海洋大气》，35，367-383（1997）
[4] 巴恩斯顿，A。；Ropelewski，C.，使用典型相关分析预测ENSO事件，J.Clim。，5, 1316-1345 (1992)
[5] Barnston，A。；蒂佩特，M。；L’Heureux，M。；李，S。；DeWitt，D.，2002-2001年期间实时季节ENSO模式预测的技巧：我们的能力在增加吗？，牛市。Am.Meteorol公司。Soc.，93，5，631-651（2012）
[6] 布拉斯克斯，F。；科普曼，S.J。；Mallee，M。；Zhang，Z.，用混合频率数据进行动态因子分析和预测的加权最大似然，《计量经济学杂志》，193,2,405-417（2016）·Zbl 1431.62587号
[7] 布瑞宁，F。；Koopman，S.J.，《使用崩溃的动态因子分析预测宏观经济变量》，《国际预测杂志》。，30, 3, 572-584 (2014)
[8] 陈，D。；坎恩，M。；卡普兰，A。；泽比亚克，S。；黄，D.，过去148年厄尔尼诺现象的可预测性，《自然》，4286984733-736（2004）
[9] 克拉克，A。；Van Gorder，S.，《利用印度太平洋风、赤道太平洋风和赤道太平洋上层海洋热含量的时空整合改进厄尔尼诺预测》，地球物理学。Res.Lett.公司。，30, 1399 (2003)
[10] 迪博尔德，F.X。；Mariano，R.S.，《预测准确性比较》，J.Bus。经济。统计，13，253-265（1995）
[11] Dool，H.v.d.，寻找类似物，我们必须等待多久？，泰勒斯，46A，314-324（1994）
[12] Dool，H.v.d.，《短期气候预测的经验方法》（2007），牛津大学出版社·Zbl 1145.86001号
[13] Doornik，J.A.，《使用Ox的面向对象矩阵编程》（2007），Timberlake Consultants出版社：Timberlike Consultments出版社伦敦
[14] Doz，C。；Giannone，D。；Reichlin，L.，基于卡尔曼滤波的大型近似动态因子模型的两步估计，《计量经济学杂志》，164，188-205（2011）·Zbl 1441.62671号
[15] Duan，W。；Wei，C.，ENSO预测的“春季可预测障碍”及其可能机制：完全耦合模型的结果，nt.J.Climatol。，33, 1280-1292 (2013)
[16] Durbin，J。；Koopman，S.J.，《状态空间时间序列分析的简单高效模拟平滑器》，《生物统计学》，89，3，603-615（2002）·Zbl 1036.62071号
[17] Durbin，J。；Koopman，S.J.，《状态空间方法的时间序列分析》（2012），牛津大学出版社：牛津大学出版社·Zbl 1270.62120号
[18] Epstein，E.S.，排名类别概率预测的评分系统，J.Appl。美托洛尔。，8, 985-987 (1969)
[19] Giacomini，R。；White，H.，《条件预测能力测试》，《计量经济学》，第74、6、1545-1578页（2006年）·Zbl 1187.91151号
[20] 冈萨雷斯，P。；Goddard，L.，CMIP5十年后预测的长期ENSO可预测性，Clim。动态。，46, 9-10, 3127-3147 (2016)
[21] 很好，S.A。；马丁·M·J。；Rayner，N.A.，En4：质量控制的海洋温度和盐度剖面以及具有不确定性估计的月度目标分析，地球物理杂志。研究：海洋，1186704-6716（2013）
[22] Goodman，L.A.，《关于产品的精确方差》，《美国统计协会期刊》，第55、292、708-713页（1960年）·Zbl 0099.13603号
[23] Harvey，A.C.，《预测、结构时间序列模型和卡尔曼滤波器》（1989），剑桥大学出版社：剑桥大学出版社
[24] 哈维，D。；莱伯恩，S。；Newbold，P.，《检验预测均方误差的相等性》，《国际预测杂志》。，13, 2, 281-291 (1997)
[25] 哈维，A.C。；Shephard，N.，10个结构时间序列模型，《统计学家手册》。，11, 261-302 (1993)
[26] Hausman，J.A.，《计量经济学规范测试》，《计量经济》，46，1251-1271（1978）·Zbl 0397.62043号
[27] Kalnay，E。；Kanamitsu，M。；Kistler，R。；柯林斯，W。；迪文，D。；甘丹，L。；Iredell，M。；萨哈，S。；白色，G。；Woollen，J。；Zhu，Y。；利特玛，A。；雷诺，R。；Chelliah，M。；伊必崎，W。；希金斯，W。；Janowiak，J。；莫（Mo，K.）。；罗普莱斯基，C。；Wang，J。；Jenne，R。；Joseph，D.，NCP/ncar 40年再分析项目，公牛。Am.Meteorol公司。Soc.，77，437-471（1996）
[28] Knaff，J。；Landsea，C.，《厄尔尼诺-南方涛动气候学和持续性（CLIPER）预报方案》，《天气预报》。，12, 633-652 (1997)
[29] Kondrashov，D。；克拉夫佐夫，S。；Robertson，A。；Ghil，M.，基于数据的ENSO模型层次结构，J.Clim。，18, 4425-4444 (2005)
[30] 库普曼，S.J。；北谢泼德。；Doornik，J.A.，《SsfPack 30：状态空间形式模型的统计算法》（2008），Timberlake Consultants出版社：Timberlike Consultments出版社伦敦
[31] 克拉夫佐夫，S。；Kondrashov，D。；Ghil，M.，《非线性过程的多级回归建模：气候变化的推导和应用》，J.Clim。，18, 4404-4424 (2005)
[32] Litterman，R.B.，《贝叶斯向量自回归预测——五年经验》，J.Bus。经济。Stat.，4，25-38（1986）
[33] Ludescher，J。；Gozolchiani，A。；博加乔夫，M。；阿联酋邦德。；Shlomo，H。；Schellnhuber，H.，通过合作探测改进厄尔尼诺预测，Proc。国家。阿卡德。科学。美国，110，29，11742-11745（2013）
[34] 宾夕法尼亚州。；Magorian，T.，使用线性反演模型预测尼诺3海表面温度，J.Clim。，6, 1067-1076 (1993)
[35] Petrova，D.，Ballester，J.，Koopman，S.J.，Rodó，X.，2018年。热带太平洋观测系统加强了ENSO多年统计预报。工作文件。
[36] 彼得罗娃博士。；科普曼，S.J。；Ballester，J。；Rodó，X.，使用基于动态成分模型的新型预测方案Clim，提高厄尔尼诺的长期可预测性。动态。，48, 3-4, 1249-1276 (2017)
[37] 菲利普斯，P。；Xiao，Z.，单位根检验引物，J.Econ。调查。，12, 423-470 (1998)
[38] Proietti，T.，《结构时间序列模型的季节成分比较》，《国际预测杂志》。，16, 247-260 (2000)
[39] 罗西，B。；Sekhposyan，T.，《存在不稳定性时的预测合理性测试，应用于美联储和调查预测》，J.Appl。计量经济学，31，3，507-532（2016）
[40] 北谢泼德。；Pitt，M.K.，非高斯测量时间序列的似然分析，生物统计学，84，3，653-667（1997）·Zbl 0888.62095号
[41] 股票，J.H。；Watson，M.W.，《利用大量预测因子的主成分进行预测》，《美国统计协会期刊》，第97期，第1167-1179页（2002年）·Zbl 1041.62081号
[42] 股票，J.H。；Watson，M.W.，《使用多个预测因子进行预测的广义收缩法》，J.Bus。经济。统计，30，481-493（2012）
[43] Tangang，F。；谢长廷。；Tang，B.，用神经网络模型预测赤道太平洋海面温度，Clim。动态。，13, 135-147 (1997)
[44] Varian，H.R.，《房地产评估的贝叶斯方法》（1975），北荷兰：北荷兰阿姆斯特丹
[45] Vogelsang，T.J.，检测动态时间序列趋势函数突变的Wald型检验，计量经济学理论，13，6，818-848（1997）
[46] 薛，Y。；凯恩，M。；泽比亚克，S。；Blumenthal，B.，关于ENSO的预测：低阶马尔可夫模型的研究，Tellus，46A，512-528（1994）
[47] 薛，Y。；利特玛，A。；Ji，M.，《利用马尔可夫模型进行ENSO预测：海平面的影响》，J.Clim。，13, 849-871 (2000)
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。