Forecast combinations

Abstract

In the forecasting community, forecast combinations have grown dramatically. Their uses in time series span a multitude of fields, including assisting in recent years to predict COVID-19 deaths and hospital admissions with excellent accuracy, thus helping the organization of public health in different countries. Since the 1960s, a multitude of studies have confirmed the benefits of using a combination of different base predictions. These base predictions involve a given model. They highlight the improved accuracy of the combination methods, avoiding the need to identify the "best model". Combining techniques range from the simplest to the most challenging methods, including the optimization of different evaluation metrics. There are also many methods to measure the performance and accuracy of our predictions depending on the target of interest. In this thesis the problem of combined point forecasts is addressed, after describing several methods we discuss their application according to the characteristics of our time series and our objectives. Finally, we will conclude with a couple of experiments using different time series in order to empirically test our assumptions. We will also end with a proposal for different research lines for the future.

En la comunidad científica, las predicciones por combinación han ganado terreno de manera considerable entre las técnicas de predicción. Sus usos en series temporales abarcan multitud de campos, ayudando en los últimos años a predecir muertes e ingresos hospitalarios por COVID-19 con excelente precisión. Contribuyendo así en la organización de la sanidad pública en distintos países. Desde los años sesenta, multitud de estudios han confirmado las ventajas de utilizar combinaciones de diferentes predicciones base. Estas predicciones base suponen un modelaje de la serie temporal. Los estudios destacan la mejora en la precisión en los métodos de predicción por combinación y el ahorro de recursos a la hora de identificar el "mejor modelo". Las técnicas por combinación abarcan desde los métodos más sencillos hasta los más complejos, pasando por la optimización de distintas métricas de evaluación. También existen diferentes procedimientos a la hora de medir el rendimiento y la precisión de nuestras predicciones en función del objetivo de interés. En esta tesis se aborda el problema de combinación de previsiones puntuales, tras describir varios métodos se discute la aplicación de estos según las características de nuestra serie temporal y nuestros objetivos. Finalmente concluiremos con un par de experimentos usando diferentes series temporales con el objetivo de analizar de manera empírica nuestras suposiciones. Además acabaremos con unas propuesta de distintas líneas de investigación futuras.