HOW INFORMATIVE ARE IN-SAMPLE INFORMATION CRITERIA TO FORECASTING?: THE CASE OF CHILEAN GDP

HOW INFORMATIVE ARE IN-SAMPLE INFORMATION CRITERIA TO FORECASTING?: THE CASE OF CHILEAN GDP

This paper compares out-of-sample performance, using the Chilean GDP dataset, of a large number of autoregressive integrated moving average (ARIMA) models with some variations to identify how to achieve the smallest root mean squared forecast error with models based on information criteria-Akaike, S...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: MEDEL,CARLOS A
Lenguaje:English
Publicado: Pontificia Universidad Católica de Chile. Instituto de Economía. 2013
Materias:
Data mining
forecasting
ARIMA
seasonal adjustment
Easter effect
Acceso en línea:http://www.scielo.cl/scielo.php?script=sci_arttext&pid=S0719-04332013000100005
Etiquetas: Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!

Ejemplares similares

Ejemplares similares