Production Forecasting of Taiwan's Technology Industrial Cluster: A Bayesian Autoregression Approach
Notice bibliographique
Résumé
Abstract This study proposes a forecasting method that combines the clustering effect and non‐informative diffuse‐prior Bayesian vector autoregression (NDBVAR) model to forecast the productions of technology industries. Two empirical cases are examined to verify the proposed method: the semiconductor industry and computer manufacturing industry in Taiwan. It is found that the NDBVAR model outperforms the other three conventional time series models including the autoregression (AR), vector autoregression (VAR), and Litterman Bayesian VAR (LBVAR) models. Moreover, the NDBVAR model also outperforms the forecast reports from leading market information providers over the past several years. The forecasting method proposed is therefore concluded to be a feasible approach for production prediction, especially for technology industries in volatile environments. Résumé La présente étude propose une méthode prévisionnelle qui combine les effets de regroupement et le non‐informative diffuse‐prior Bayesian vector autoregression model (NDBVAR) pour prévoir les productions des industries de technologie. Pour évaluer la méthode proposée, l'étude examine deux cas empiriques: les industries taiwanaises du semiconducteur et de fabrication d'ordinateur. Elle révèle que le modèle NDBVAR est plus performant que les trois modèles conventionnels en série chronologique notamment le modèle d'autoregression (AR), le modèle de vecteur d'autoregression (VAR), et le modèle Litterman Bayesian (LBVAR). L'étude montre aussi qu'au cours des dernières années, les modèles NDBVAR ont été plus performants que les rapports prévisionnels des prestataires d'informations qui dominent le marché. Elle débouche sur la constatation que la méthode prévisionnelle proposée est une approche réalisable pour la prévision de la production, en particulier pour les industries de la technologie dans un environnement volatile.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,007 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».