I metodi di previsione mediante lisciamento esponenziale (c.d. exponential smoothing) sono largamente impiegati in ambito economico e finanziario per la loro immediatezza interpretativa e la relativa semplicità computazionale. Tale classe di modelli si basa, in generale, su medie ponderate delle osservazioni, con pesi che decrescono esponenzialmente e tendono a zero con l’allontanarsi dall’origine della previsione.
In questo ambito, il lavoro propone una rappresentazione non lineare di un modello exponential smoothing. La non linearità viene indotta dall’ipotesi che la serie storica sia modellata definendo due differenti stati, o regimi, e ammettendo che l’andamento della serie stessa dipenda esclusivamente dallo stato in cui essa viene a trovarsi (c.d. random switching). Tale rappresentazione può consentire un buon adattamento alla dinamica di molteplici tipologie di serie macroeconomiche e finanziarie, soprattutto in presenza di prolungati periodi di instabilità.
Il contributo principale consiste nella formulazione di un metodo di stima indiretto basato sulla forma ridotta del modello sopra descritto. Sotto condizioni molto generali, è possibile ricondurre la stima del modello random switching exponential smoothing a quella di un ARIMA(1,1,2) con restrizioni sullo spazio parametrico, evitando il ricorso a metodi più complessi dal punto di vista computazionale.
Viene inoltre presentata un’applicazione empirica del modello alla previsione di breve periodo di serie macroeconomiche relative ai livelli delle scorte negli Stati Uniti. I risultati vengono confrontati con quelli ottenuti utilizzando modelli sia di tipo ARIMA che a componenti latenti. Per la gran parte delle serie considerate, il modello proposto consente di ottenere previsioni puntuali più precise rispetto ai modelli previsivi alternativi. I vantaggi in termini di accuratezza risultano particolarmente evidenti durante il periodo che include la crisi finanziaria globale.
