Abstracts
Résumé
La modélisation et la prévision en météorologie et en économique présentent un certain nombre de caractéristiques communes qui laissent à penser qu’il pourrait être intéressant de comparer leurs récents progrès en matière de prévision. Nous portons notre attention sur deux aspects de la prévision. Premièrement, nous étudions les mesures de la valeur ajoutée des prévisions et l’évolution de ces mêmes mesures au cours des 20 à 30 dernières années ; deuxièmement, l’estimation et la représentation de l’incertitude de ces prévisions sont examinées. Nous considérons certaines variables quantitatives particulières comme étant représentatives de différents types de prévisions : température, croissance du PIB et volatilité des marchés financiers (variables continues) ; probabilité de précipitations et probabilité de récession (prévisions de probabilité) ; prévision de type 0/1 de précipitations ou de récession (prévisions binaires) ; tornades et krachs boursiers (événements rares). Nous effectuons un survol de l’information disponible à ce jour sur l’évolution de la qualité des prévisions et décrivons les méthodes en développement dans le but de comprendre et de représenter l’incertitude dans ces prévisions.
Abstract
Meteorological and economic modelling and forecasting have a number of common features, which suggest that it may be interesting to compare their recent progress in forecasting. We concentrate on two aspects of forecasting: first, measures of the value added of forecasts, and the evolution of these measures over approximately the last twenty to thirty years; second, the estimation and representation of uncertainty of forecasts. We follow several particular quantities as representative of different types of forecasts: temperature, GDP growth and financial market volatility (continuous variables); probability of precipitation and probability of recession; 0/1 predictions of precipitation or recession (binary forecasts); tornadoes and market crashes (rare events). We describe the available information on the evolution of forecast quality, and describe also the evolving methods for understanding and representing uncertainty in the forecasts.