Lo scopo di questo lavoro è quello di confrontare le capacità previsive di diversi modelli, provenienti sia dall'ambito statistico sia da quello del machine learning, mediante misure sintetiche della bontà delle previsioni. L'obiettivo principale è quello di ricavare conclusioni grazie alle quali si possa affermare o meno la superiorità di un approccio rispetto all'altro. Le analisi vengono effettuate su dati riguardanti i tassi di disoccupazione mensili destagionalizzati di Paesi europei. Il software utilizzato è R.

Previsione del tasso di disoccupazione: confronto fra modelli statistici e di machine learning

BAZAN, ENRICO
2022/2023

Abstract

Lo scopo di questo lavoro è quello di confrontare le capacità previsive di diversi modelli, provenienti sia dall'ambito statistico sia da quello del machine learning, mediante misure sintetiche della bontà delle previsioni. L'obiettivo principale è quello di ricavare conclusioni grazie alle quali si possa affermare o meno la superiorità di un approccio rispetto all'altro. Le analisi vengono effettuate su dati riguardanti i tassi di disoccupazione mensili destagionalizzati di Paesi europei. Il software utilizzato è R.
2022
Forecasting unemployment rates: comparing statistical and machine learning models
ARFIMA
GARCH
NN
SVR
MARS
File in questo prodotto:
File Dimensione Formato  
Bazan_Enrico.pdf

accesso riservato

Dimensione 538.1 kB
Formato Adobe PDF
538.1 kB Adobe PDF

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/20.500.12608/49968