Сравнение прогнозной силы Байесовской векторной авторегрессии с одномерными моделями временных рядов

В данной работе сравниваются прогнозы, построенные с помощью векторной байесовской авторегрессии с переменными параметрами, с прогнозами одномерных моделей и их комбинациями. В качестве одномерных оппонентов векторной авторегрессии были выбраны такие модели как ARIMA, экспоненциальное сглаживание и тета-метод. Данные, на которых оценивались модели, состоят из 9 месячных макроэкономических временных рядов и 24 рядов с дневными приростами цен акций крупнейших российских компаний. Горизонты прогноза составляли от 3 до 24 месяцев для месячных и от 7 до 260 дней для ежедневных рядов. Для сравнения полученных прогнозов использовалась относительная ошибка прогноза, которая рассчитывалась как отношение среднеквадратичной ошибки прогноза модели к среднеквадратичной ошибке прогноза модели случайного блуждания. В результате проведенного анализа были получены следующие выводы: прогнозы TVP-BVAR оказались ближе всего к истинным значениям ровно в половине случаев для макроэкономических данных и более чем в трети случаев для финансового набора данных. Тем не менее, было замечено, что для финансовых данных разница в относительных ошибках незначительна, в результате чего нельзя однозначно говорить о преимуществе байесовской векторной авторегрессии с переменными параметрами.