Riconciliazione ottimale cross-sezionale delle previsioni per serie storiche gerarchiche e raggruppate

La chiave per ottenere il successo in molti campi economici, come quello del turismo, è la tempestiva definizione delle politiche future e la programmazione dettagliata, che spesso si basa sui dati raccolti. La formulazione di strategie di lungo periodo necessita di previsioni con un orizzonte più “lontano”, che devono essere aggregate attraverso una gerarchia secondo un criterio fondamentale, la coerenza. Per poter prendere decisioni che siano allineate per qualunque livello della gerarchia, infatti, le previsioni devono sommarsi in maniera appropriata non solo secondo la gerarchia, ma anche attraverso diversi istanti di tempo. In questo studio si presenta un nuovo approccio per la previsione di serie storiche gerarchiche in grado di produrre stime ottimali che siano coerenti per le serie gerarchiche, migliori di quelle ottenute con metodi più tradizionali, come i metodi top-down o bottom-up. Questo nuovo approccio consiste nel generare in maniera indipendente le previsioni per tutti i livelli della gerarchia e, successivamente, riconciliarle incorporando le informazioni della matrice di varianza-covarianza dell’errore di previsione. Sotto semplici assunzioni, le previsioni finali ottenute dopo la riconciliazione, sono non distorte e con errore quadratico medio minimo tra tutte le possibili previsioni. Successivamente, verranno generate le previsioni per i dati sul flusso turistico australiano, disaggregati per regione geografica, e , una volta riconciliate con il metodo proposto, verranno confrontate con quelle ottenute con i metodi tradizionali per valutarne comparitivamente le performance.