SELEZIONE DI MODELLI PER SERIE STORICHE MEDIANTE TEST DI ACCURATEZZA PREDITTIVA

Questo lavora analizza le procedure di selezione per modelli predittivi basate su test di accuratezza, con particolare attenzione al rischio che i test di significatività possano favorire modelli più semplici a discapito della precisione delle previsioni. Si analizzano i risultati di uno studio di simulazione con dati generati da processi ARMA in cui vengono considerati due varianti del test di Diebold-Mariano, il test di Giacomini-White, il test di Clark-McCracken, il criterio AIC e la validazione con training-set. I risultati mostrano piccoli guadagni quando si utilizzano i test con campioni di dimensioni ridotte, in particolare per i test di Clark-McCracken e Diebold-Mariano bootstrappato. Nel complesso però, c'è forte evidenza contro l'utilizzo di queste procedure e, in molti casi, la validazione con training-set ha ottenuto i risultati migliori.