Homburg, Annika
[VerfasserIn];
Weiß, Christian H.
[VerfasserIn];
Alwan, Layth C.
[VerfasserIn];
Frahm, Gabriel
[VerfasserIn];
Göb, Rainer
[VerfasserIn]
Evaluating Approximate Point Forecasting of Count Processes
Sie können Bookmarks mittels Listen verwalten, loggen Sie sich dafür bitte in Ihr SLUB Benutzerkonto ein.
Medientyp:
E-Artikel
Titel:
Evaluating Approximate Point Forecasting of Count Processes
Beteiligte:
Homburg, Annika
[VerfasserIn];
Weiß, Christian H.
[VerfasserIn];
Alwan, Layth C.
[VerfasserIn];
Frahm, Gabriel
[VerfasserIn];
Göb, Rainer
[VerfasserIn]
Anmerkungen:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Beschreibung:
In forecasting count processes, practitioners often ignore the discreteness of counts and compute forecasts based on Gaussian approximations instead. For both central and non-central point forecasts, and for various types of count processes, the performance of such approximate point forecasts is analyzed. The considered data-generating processes include different autoregressive schemes with varying model orders, count models with overdispersion or zero inflation, counts with a bounded range, and counts exhibiting trend or seasonality. We conclude that Gaussian forecast approximations should be avoided