Nell’analisi econometrica delle serie storiche il ricercatore può avvalersi di una pluralità di modelli alternativi, la cui adeguatezza statistica viene solitamente valutata sia in termini di bontà di adattamento ai dati nel periodo di stima (in-sample fit) sia in base alla capacità previsiva registrata nella parte di campione successiva alla stima (out-of-sample forecast accuracy). Il presente lavoro si concentra su questo secondo aspetto, mettendo a confronto le proprietà di vari test statistici suggeriti in letteratura per selezionare, tra un insieme di modelli, quelli più affidabili nel fornire previsioni degli andamenti economici.
La letteratura econometrica più recente distingue l’analisi lungo due direzioni alternative, a seconda che i modelli da confrontare siano fra loro annidati (nested) o meno (non-nested). In particolare, per il caso nested, si è sottolineato come la distribuzione dei test dell’ipotesi di uguale accuratezza previsiva tra modelli sia diversa da quella che si otterrebbe secondo lo schema di riferimento proposto da Diebold e Mariano nella metà degli anni novanta. I nuovi test sviluppati da Clark, McCracken e West tengono in opportuna considerazione l’incertezza nella stima dei parametri, il numero di indicatori utilizzati, la modalità di previsione (a uno o più passi in avanti) e la lunghezza dell’orizzonte previsivo in rapporto al periodo di stima campionaria. D’altro canto le distribuzioni di questi test possono divenire piuttosto complicate a seconda del variare di questi fattori; ottenere i corretti valori critici da utilizzare in una particolare applicazione spesso richiede l’utilizzo di tecniche di ricampionamento (bootstrap).
Oltre a considerare l’ipotesi nulla di uguale accuratezza previsiva, il ricercatore può ricorrere a test di forecast encompassing, in cui si valuta se un modello alternativo contenga una capacità previsiva addizionale rispetto a uno di riferimento. Anche in questo caso, i valori critici dei test per modelli nested dipendono, in generale, da quei fattori prima citati.
Nel lavoro si esaminano le proprietà di numerosi test di uguale accuratezza previsiva (equal forecast accuracy) e di forecast encompassing attraverso una serie di esperimenti di simulazione Monte Carlo, sia in ambito nested sia non-nested, con l’intento di fornire uno strumento di riferimento alla validazione empirica dei modelli in uso. Dalle simulazioni emerge come i test di forecast encompassing siano generalmente più efficaci nel distinguere la capacità previsiva tra modelli, anche in presenza di incorretta specificazione del processo generatore dei dati. Attraverso un’applicazione empirica, si confronta la performance di un modello per la previsione a breve termine del PIL italiano (bridge model), ispirato da quelli in uso presso molte banche centrali, con una serie di modelli in questo annidati. Nell’ambito non-nested si confronta l’accuratezza delle previsioni del PIL dell’area dell’euro ottenute dal modello sottostante Eurocoin – un indicatore coincidente del ciclo economico per l’area – con quelle desumibili da modelli autoregressivi univariati. In entrambi i casi, i risultati dei test di confronto dell’accuratezza delle previsioni di PIL appaiono coerenti con le simulazioni Monte Carlo, segnalando una maggiore efficacia dei test di forecast encompassing nel distinguere la capacità previsiva tra modelli.
Pubblicato nel 2013 in: International Journal of Forecasting, v. 29, 1, pp. 13-27
