An alternative approach for estimating GDP growth rate: fuzzy prediction model

Title Alternative:Alternativní přístup k odhadu tempa růstu HDP: fuzzy predikční model
Simple item page
dc.contributor.authorHašková, Simona
dc.date.accessioned2019-10-10T08:58:06Z
dc.date.available2019-10-10T08:58:06Z
dc.date.issued2019
dc.description.abstractNepřesnost předpovědí tempa růstu HDP je způsobena nedostatkem informací potřebných k odstranění nejistoty. Cílem příspěvku je v krátkém období předpovědět tempo růstu HDP fuzzy metodou; ta je vhodným nástrojem pro analýzu problémů zatížených nejistotou. Za tím účelem bude nejprve stručně diskutována vhodnost fuzzy přístupu v porovnání se statistickými metodami v nedeterministických případech. Základní principy teorie fuzzy množin jsou popsány a následně použity v predikci tempa růstu HDP v Řecku pro roky 2018 (ve srovnání s oficiální ekonometrickou prognózou) a 2020 (přínos příspěvku). Krátkodobá prognóza se opírá o vstupní složky předchozího čtyřletého vývoje tří makroekonomických ukazatelů (úrokové sazby, investic a nezaměstnanosti), které jsou základními vstupními parametry modelu. Výsledky fuzzy predikce neprokázaly významné odchylky od statistických předpovědí. Nicméně monotónní vývoj vstupních dat modelu nám umožnil demonstrovat jeden ze způsobů, jak mohou odborníci korigovat nedostatky fuzzy algoritmu.cs
dc.description.abstractDie Ungenauigkeit der BIP-Wachstumsprognosen ist auf den Mangel an Informationen zurückzuführen, die zur Beseitigung der Unsicherheit erforderlich sind. Das Ziel der Artikel ist die BIP-Wachstumsrate unter Verwendung der Fuzzy-Methode kurzfristig vorherzusagen; es ist ein geeignetes Instrument zur Analyse von mit Unsicherheit verbundenen Problemen. Hierzu wird zunächst kurz auf die Eignung des Fuzzy-Ansatzes im Vergleich zu statistischen Methoden in nicht deterministischen Fällen eingegangen. Die Grundprinzipien der Fuzzy- Mengen-Theorie werden beschrieben und anschließend in der Vorhersage der BIP- Wachstumsrate in Griechenland für 2018 und 2020 verwendet. Die kurzfristige Prognose basiert auf den Inputkomponenten der vorangegangenen vierjährigen Entwicklung von drei makroökonomischen Indikatoren, die grundlegenden Inputparameter des Modells darstellen. Die Ergebnisse der Fuzzy-Vorhersage zeigten keine signifikanten Abweichungen von den statistischen Prognosen. Die monotone Entwicklung der Eingabedaten des Modells hat es uns jedoch ermöglicht, einen Weg aufzuzeigen, wie Experten Unzulänglichkeiten von Fuzzy- Algorithmen korrigieren können.de
dc.description.abstractThe inaccuracy of the predictions of the future growth rate of output is due to the lack of information needed to eliminate uncertainty. The aim of the paper is to predict the growth rate of the output within a short time period using the fuzzy approach, which is an appropriate tool for analyzing problems burdened by uncertainty. First, we briefly compare the fuzzy approach with the statistical methods in the cases where predictors face a non-deterministic environment. The principles of the fuzzy set theory is described and then applied in the gross domestic product growth rate prediction of Greece for the years 2018 (compared to the reported econometric forecast) and 2020 (a new contribution to the paper). The forecasts lean on the input components of the previous four-year development of three macroeconomic indicators (long-term interest rates, investments and unemployment) published in the OECD.stat, which are the basal input parameters of the task. The fuzzy prediction results showed no significant deviations from the statistical predictions. Nevertheless, the model input data monotonic development enabled us to demonstrate one of the ways by means of which the experts can correct the deficiencies of the fuzzy algorithm. Herein identified deficiency is the missing information originating from the input data, which the fuzzy algorithm did not work with. The appropriate corrective measure of the fuzzy model has been chosen and applied.en
dc.description.abstractNiedokładność prognoz wzrostu PKB wynika z braku informacji niezbędnych do usunięcia niepewności. Celem artykułu jest prognozowanie tempa wzrostu PKB w krótkim okresie przy użyciu metody fuzzy; jest odpowiednim narzędziem do analizy problemów związanych z niepewnością. W tym celu w skrócie zostanie omówiona przydatność podejścia rozmytego w porównaniu z metodami statystycznymi w przypadkach niedeterministycznych. Podstawowe zasady teorii zbiorów rozmytych zostały opisane, a następnie wykorzystane w prognozowaniu tempa wzrostu PKB w Grecji na 2018 r. i 2020 r. Prognoza krótkoterminowa opiera się na elementach wejściowych poprzedniego czteroletniego rozwoju trzech wskaźników makroekonomicznych, które są podstawowymi parametrami wejściowymi modelu. Wyniki prognozy rozmytej nie wykazały istotnych odchyleń od prognoz statystycznych. Jednak monotonne opracowanie danych wejściowych modelu pozwoliło nam zademonstrować jeden ze sposobów, w jaki eksperci mogą poprawić niedociągnięcia algorytmu rozmytego.pl
dc.formattext
dc.identifier.doi10.15240/tul/004/2019-2-004
dc.identifier.eissn1803-9790
dc.identifier.issn1803-9782
dc.identifier.otherACC_2019_2_04
dc.identifier.urihttps://dspace.tul.cz/handle/15240/153867
dc.language.isoen
dc.licenseCC BY-NC 4.0
dc.publisherTechnická univerzita v Liberci, Česká republikacs
dc.relation.isbasedonBĚHOUNEK, L.; CINTULA, P.: From fuzzy logic to fuzzy mathematics: A methodological manifesto. Fuzzy Sets and Systems. 2006, 157(5): 642-646. DOI: 10.1016/j.fss.2005.10.011
dc.relation.isbasedonBLOOM, N.: The impact of uncertainty shocks. Econometrica. 2009, 77(3): 623-685. DOI: 10.3982/ECTA6248
dc.relation.isbasedonCABRERIZO, F. J.; CHICLANA, F.; AL-HMOUZ, R.; MORFEQ, A.; BALAMASH, A. S.; HERRERA-VIEDMA, E.: Fuzzy decision making and consensus: Challenges. Journal of Intelligent & Fuzzy Systems. 29(3), 1109-1118. DOI: 10.3233/IFS-151719
dc.relation.isbasedonCOUNCIL OF THE EUROPEAN UNION: Greece: the third economic adjustment programme. [online]. 2019. [accessed 2019-01-22]. Available from WWW: https://www.consilium.europa.eu/en/policies/financial-assistance-eurozone- members/greece-programme/
dc.relation.isbasedonDUBOIS, D.: Possibility theory and statistical reasoning. Computational Statistics & Data Analysis. 2006, 51(1): 47-69. DOI: 10.1016/j.csda.2006.04.015
dc.relation.isbasedonDUBOIS, D.; PRADE, H.: What are fuzzy rules and how to use them. Fuzzy Sets and Systems. 1996, 84(2): 169-185. DOI: 10.1016/0165-0114(96)00066-8
dc.relation.isbasedonEUROPEAN ECONOMIC FORECAST. Institutional Paper 007/ May 2018. [online]. Luxembourg: Publications office for European Union, 2018. [accessed 2018-10-12]. Available from WWW: https://cdn.20m.es/adj/2018/05/03/3938.pdf
dc.relation.isbasedonOECD Data: Gross Domestic Product (GDP). [online]. 2018. [accessed 201-10-20]. Available from WWW: https://stats.oecd.org/Index.aspx?DatasetCode=SNA_TABLE1
dc.relation.isbasedonHAŠKOVÁ, S.; FIALA, P.: A fuzzy approach for the estimation of foreign investment risk based on values of rating indices. Risk Management. 2019, 21(3): 183-199. DOI: 10.1057/s41283-019-00053-z
dc.relation.isbasedonHERRERA, F.; HERRERA-VIEDMA, E.: Linguistic decision analysis: steps for solving decision problems under linguistic information. Fuzzy Sets and systems. 2000, 115(1), 67-82. DOI: 10.1016/S0165-0114(99)00024-X
dc.relation.isbasedonHERRERA, F.; ALONSO, S.; CHICLANA, F.; HERRERA-VIEDMA, E.: Computing with words in decision making: foundations, trends and prospects. Fuzzy Optimization and Decision Making. 2009, 8(4), 337-364. DOI: 10.1007/s10700-009-9065-2
dc.relation.isbasedonOECD Data: Investment (GFCF). [online]. 2018. [accessed 2018-10-29]. Available from WWW: https://data.oecd.org/gdp/investment-gfcf.htm
dc.relation.isbasedonKAHNEMAN, D.: Maps of bounded rationality: Psychology for behavioral economics. American Economic Review. 2003, 93(5): 1449-1475. DOI: 10.1257/000282803322655392
dc.relation.isbasedonKAHRAMAN, C. (editor): Fuzzy Multi-Criteria Decision Making: Theory and Applications with Recent Developments. Springer Science & Business Media. eBook ISBN 978-0-387-76813-7. DOI: 10.1007/978-0-387-76813-7
dc.relation.isbasedonKRUEGER, T.; PAGE, T.; HUBACEK, K.; SMITH, L.; HISCOCK, K.: The role of expert opinion in environmental modelling. Environmental Modelling & Software. 36, 4-18. DOI: 10.1016/j.envsoft.2012.01.011
dc.relation.isbasedonOECD Data: Long-term interest rates. [online]. 2018 [accessed 2018-11-22]. Available from WWW: https://data.oecd.org/interest/long-term-interest-rates.htm
dc.relation.isbasedonLÓPEZ-DUARTE, C.; VIDAL-SUÁREZ, M. M.: External uncertainty and entry mode choice: Cultural distance, political risk and language diversity. International Business Review. 2010, 19(6): 575-588. DOI: 10.1016/j.ibusrev.2010.03.007
dc.relation.isbasedonTIMMERMANS, M.; HEIJMANS, R., DANIELS, H.: Cyclical patterns in risk indicators based on financial market infrastructure transaction data. Quantitative Finance and Economics. 2018, 2(3): 615-636. DOI: 10.3934/QFE.2018.3.615
dc.relation.isbasedonOECD Data: Unemployment rate. [online]. 2018. [accessed 2018-11-02]. Available from WWW: https://data.oecd.org/unemp/unemployment-rate.htm
dc.relation.isbasedonVOCHOZKA, M.; HORÁK, J.; ŠULEŘ, P.: Equalizing Seasonal Time Series Using Artificial Neural Networks in Predicting the Euro–Yuan Exchange Rate. Journal of Risk and Financial Management. 2019, 12(2): 76. DOI: 10.3390/jrfm12020076
dc.relation.isbasedonZADEH, L. A.: Outline of a New Approach to the Analysis of Complex Systems and Decision Processes. IEEE Transactions on Systems, Man, and Cybernetics. 1973, 3(1): 28-44. DOI: 10.1109/TSMC.1973.5408575
dc.relation.isbasedonZADEH, L. A.: Fuzzy logic = computing with words. IEEE Transactions on Fuzzy Systems. 1996, 4(2): 103-111. DOI: 10.1109/91.493904
dc.relation.ispartofACC Journalen
dc.relation.isrefereedtrue
dc.subjectshort-term predictionen
dc.subjectnon-deterministic environmenten
dc.subjectfuzzy approachen
dc.subjectexpert knowledgeen
dc.titleAn alternative approach for estimating GDP growth rate: fuzzy prediction modelen
dc.title.alternativeAlternativní přístup k odhadu tempa růstu HDP: fuzzy predikční modelcs
dc.title.alternativeEin alternativer Ansatz zur Schätzung der Wachstumsrate BIP: das Fuzzy-Prädikationsmodellde
dc.title.alternativeAlternatywne podejście do szacowania tempa wzrostu PKB: rozmyty model prognostycznypl
dc.typeArticleen
local.accessopen
local.citation.epage64
local.citation.spage55
local.fulltextyesen
local.relation.issue2
local.relation.volume25
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
ACC_2019_2_04.pdf
Size:
720.66 KB
Format:
Adobe Portable Document Format
Description:
článek
Download
Collections
2019/2 - Science of Economics