Nell'ambito della previsione di serie storiche, l'efficacia dei metodi di selezione del modello predittivo è determinante per migliorare l'accuratezza delle previsioni. I criteri di informazione e la cross-validation sono i metodi più diffusi ed entrambi confrontano le previsioni con i valori effettivamente osservati. Tuttavia, nessuno dei due valuta la plausibilità delle previsioni prima che i valori reali siano disponibili. Questa è invece una capacità naturale per gli esseri umani, che riconoscono pattern come trend e stagionalità e, su questa base, giudicano se una previsione è coerente con l'andamento storico. Da questa osservazione nasce il criterio di rappresentatività (REP) proposto da Petropoulos e Siemsen (2023), basato su un confronto asincrono tra previsioni future e dati storici. Il presente elaborato replica l'analisi originale sul dataset M4, confrontando REP con AICc e cross-validation sulle frequenze annuale, trimestrale, mensile, settimanale, giornaliera e oraria, tramite un ampio insieme di misure di accuratezza. I risultati mostrano che le prestazioni predittive possono migliorare quando la selezione del modello si basa sulla rappresentatività, sebbene nessun criterio risulti superiore in ogni contesto.
Selezione e combinazione di previsioni mediante il criterio di rappresentatività
SIGNORINI, ANNA
2025/2026
Abstract
Nell'ambito della previsione di serie storiche, l'efficacia dei metodi di selezione del modello predittivo è determinante per migliorare l'accuratezza delle previsioni. I criteri di informazione e la cross-validation sono i metodi più diffusi ed entrambi confrontano le previsioni con i valori effettivamente osservati. Tuttavia, nessuno dei due valuta la plausibilità delle previsioni prima che i valori reali siano disponibili. Questa è invece una capacità naturale per gli esseri umani, che riconoscono pattern come trend e stagionalità e, su questa base, giudicano se una previsione è coerente con l'andamento storico. Da questa osservazione nasce il criterio di rappresentatività (REP) proposto da Petropoulos e Siemsen (2023), basato su un confronto asincrono tra previsioni future e dati storici. Il presente elaborato replica l'analisi originale sul dataset M4, confrontando REP con AICc e cross-validation sulle frequenze annuale, trimestrale, mensile, settimanale, giornaliera e oraria, tramite un ampio insieme di misure di accuratezza. I risultati mostrano che le prestazioni predittive possono migliorare quando la selezione del modello si basa sulla rappresentatività, sebbene nessun criterio risulti superiore in ogni contesto.| File | Dimensione | Formato | |
|---|---|---|---|
|
Signorini_Anna.pdf
accesso aperto
Dimensione
1.1 MB
Formato
Adobe PDF
|
1.1 MB | Adobe PDF | Visualizza/Apri |
The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License
https://hdl.handle.net/20.500.12608/115424