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.
2025
Forecast selection and combination using the representativeness criterion
previsione
selezione
rappresentatività
File in questo prodotto:
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

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/115424