Bitte verwenden Sie diesen Link, um diese Publikation zu zitieren, oder auf sie als Internetquelle zu verweisen: https://hdl.handle.net/10419/165704 
Erscheinungsjahr: 
2016
Quellenangabe: 
[Journal:] ifo Schnelldienst [ISSN:] 0018-974X [Volume:] 69 [Issue:] 03 [Publisher:] ifo Institut - Leibniz-Institut für Wirtschaftsforschung an der Universität München [Place:] München [Year:] 2016 [Pages:] 30-33
Verlag: 
ifo Institut - Leibniz-Institut für Wirtschaftsforschung an der Universität München, München
Zusammenfassung: 
Der Artikel zeigt auf, dass Boosting, eine neuere Methode, große Datensätze für die ökonomische Prognose zu nutzen, einen wesentlichen Beitrag zur Verbesserung der Prognose der Industrieproduktion liefern kann. Konkret geht er der Frage nach, welche Indikatoren vom Boosting-Algorithmus zur Vorhersage der deutschen Industrieproduktion im Zeitraum 1996 bis 2014 ausgewählt werden. Im Ergebnis zeigt sich, dass sowohl harte Indikatoren, wie Auftragseingänge oder Umsätze, als auch Befragungsindikatoren regelmäßig in das Prognosemodell aufgenommen werden.
Schlagwörter: 
Industrieproduktion
Algorithmus
Prognose
Deutschland
JEL: 
C53
C52
L10
Dokumentart: 
Article

Datei(en):
Datei
Größe





Publikationen in EconStor sind urheberrechtlich geschützt.