DOI: 10.46298/cst.12139 ISSN:

Air travel demand forecasting: effectiveness of the forecast combination method

Amira Gasmi
Show PDF Cite
In spite of the importance of air travel demand forecasting for several actors of the air transport world, decision in this sector is made in most of cases subjectively or by using classic econometric methods of forecasting which don’t take the non-stationarity and seasonality concepts of economic time series into account. Faced with the non-reliability of these methods, scientific, modern and efficient tool is then turned out to be necessary. In this research, we propose to forecast monthly air traffic by Tunisian airport using three time series econometric models: seasonal ARIMA (SARIMA) model, vector autoregressive (VAR) approach and error correction model (ECM). We also study the forecast combination method that has demonstrated predictive efficiency in the general literature of forecasting compared with individual models, but was rarely used in forecasting tourism and passengers air transport demand.

Malgré l’importance de la prévision du trafic aérien de passagers pour divers acteurs du secteur du transport aérien, la prise de décision dans ce secteur est faite dans la plupart des cas de manière subjective et en faisant appel au jugement personnel ou en utilisant des méthodes économétriques classiques de prévision ignorant la notion de non-stationnarité et la saisonnalité des séries temporelles économiques. Face à la non-fiabilité de ces méthodes, un outil de prévision scientifique, moderne et efficace s’avère alors nécessaire. Dans cet article, nous proposons de prévoir le trafic aérien mensuel par aéroport tunisien à l’aide de trois modèles économétriques de séries temporelles : le modèle ARIMA saisonnier, le modèle VAR et le modèle à correction d’erreurs. Nous étudions également la méthode de combinaison de prévisions qui a fait preuve d’efficacité prévisionnelle dans la littérature générale de prévision en comparaison avec les modèles individuels, mais qui a été rarement utilisée dans la prédiction de la demande touristique et la demande de transport aérien de passagers.

More from our Archive