Horizon-dependent forecast ranking under structural change: a rolling-origin benchmark for global COVID-19 incidence
Deze studie concludeert dat bij het voorspellen van de wereldwijde COVID-19-incidentie onder omstandigheden met structurele veranderingen, eenvoudige basismodellen zoals 'drift' en 'seizoensgebonden naïef' vaak beter presteren dan complexere methoden, waarbij de rangschikking sterk afhankelijk is van de voorspellinghorizon en een rollende evaluatie essentieel is voor betrouwbare vergelijkingen.