Horizon-dependent forecast ranking under structural change: a rolling-origin benchmark for global COVID-19 incidence
Cette étude évalue la performance de divers modèles statistiques pour la prévision quotidienne des cas de COVID-19 à l'échelle mondiale et démontre que, face aux changements structurels, les modèles de base simples (comme la dérive ou la naïveté saisonnière) restent souvent supérieurs aux méthodes plus complexes, soulignant ainsi l'importance d'une évaluation spécifique à l'horizon de prévision.