Time series Bayesian model averaging
Time series Bayesian model averaging (TS-BMA) combines forecasts from an ensemble of time series models — such as AR, VAR, or state-space specifications — by weighting each model by its posterior probability given observed data. Rather than selecting one model and discarding uncertainty about which model is best, TS-BMA integrates over model uncertainty, producing forecasts that are more robust and better calibrated than any single model alone.
Bronrecord
Citaten letterlijk overgenomen uit het bronrecord van de methode. Hieruit wordt geen verificatie op claimniveau afgeleid.
- Hoeting, J. A., Madigan, D., Raftery, A. E., & Volinsky, C. T. (1999). Bayesian model averaging: A tutorial. Statistical Science, 14(4), 382–401. · URL
- Raftery, A. E., Kárný, M., & Ettler, P. (2010). Online prediction under model uncertainty via dynamic model averaging: Application to a cold rolling mill. Technometrics, 52(1), 52–66. · DOI 10.1198/TECH.2009.08104
Gecureerde claims
Claims opgeslagen in het bewijsregister, elk met zijn eigen beoordeling.
Deze weergave verzint geen claimbeoordeling als het register er geen heeft.
Gerelateerde methoden
Gegenereerd uit de methodegraaf en getoond als machinaal voorgestelde relaties — er wordt geen bewijsclaim afgeleid.