Modelli globali per la previsione di serie storiche: un’applicazione al fabbisogno energetico italiano

La previsione delle serie storiche riveste oggi un’importanza fondamentale e, per questo motivo, nel corso degli anni sono state sviluppate diverse tecniche specificamente dedicate a tale scopo. In questa tesi vengono dapprima introdotti alcuni metodi che mirano a ottenere previsioni più accurate rispetto a quelle fornite dagli approcci tradizionali. Nel caso di singole serie storiche, una strategia consiste nell’aggregare le previsioni generate da diversi modelli attraverso procedure più o meno sofisticate: si va dalla semplice media fino all’impiego della regressione con stima ridge. Un secondo approccio, di natura differente, fa invece ricorso ai cosiddetti modelli globali. Essi non vengono applicati a una singola serie, ma a un insieme di serie storiche, sfruttando l’informazione congiunta dei dati. Questo permette non solo di migliorare le previsioni relative a ciascuna serie, ma anche di ridurre il rischio di sovradattamento. In letteratura, tali modelli vengono spesso contrapposti ai modelli locali, ossia quelli che consistono nell’applicare un modello statistico tradizionale (ad esempio ARIMA, ETS, ecc.) separatamente a ogni serie disponibile. Dopo aver presentato i modelli locali e globali, illustrato le modalità di adattamento ai dati e i criteri utilizzati per il confronto delle previsioni, essi sono stati applicati sia a insiemi di dati simulati, generati da diversi processi per garantire una maggiore varietà di scenari, sia a dati reali, nello specifico i consumi energetici italiani forniti da Terna. Infine, si è discusso dei risultati ottenuti, evidenziando quali modelli abbiano fornito le performance migliori e, in particolare, se a prevalere siano stati i modelli locali oppure quelli globali.