Metodologie bagging per le previsioni di serie storiche.

L'obiettivo di questa tesi è quello di mostrare come la tecnica del bootstrap, ed in particolare la metodologia bagging, possa essere applicata nell'ambito delle previsioni delle serie storiche. In alcuni casi i metodi tradizionali di previsione come la media mobile, o le previsioni basate sui modelli ARIMA non riescono a fornire dei risultati accurati a causa della complessità della serie in esame o nella specificazione di un particolare modello. La tecnica bootstrap permette di generare delle serie storiche simulate attraverso un campionamento con sostituzione. A partire da questi campioni vengono effettuate le previsioni e ne viene valutata l'accuratezza. Sono state utilizzate tre tecniche bootstrap diverse: il moving block bootstrap, il sieve bootstrap ed il wild bootstrap. Le previsioni fornite da ciascuno di questi metodi sono state confrontate con le previsioni basate sui modelli ETS, che rientrano nell’approccio classico. Obiettivo principale è quello di valutare se l’approccio basato sul bootstrap performi meglio rispetto all’approccio classico. Per effettuare le analisi sono stati utilizzati i dati dell’M3 competition, una competizione internazionale finalizzata nel trovare nuove strategie per prevedere le serie storiche. Sono state analizzate 3003 serie storiche di natura demografica, finanziaria ed economica. Le analisi sono state eseguite separatamente per ciascun periodo delle serie, di tipo mensile, trimestrale ed annuale. Le previsioni sono state valutate sulla base degli indici RMSE,MASE e SMAPE. In conclusione la metodologia bootstrap, in particolare quella del moving block bootstrap, risulta essere performante, riuscendo a fornire sempre delle previsioni tanto accurate quanto quelle ottenute con i metodi tradizionali, con un miglioramento nel caso di serie mensili, confermando dunque l’efficacia di questa tecnica.