N. 929 - Previsione della domanda aggregataUn confronto analitico di tecniche di aggregazione nel contesto dei modelli di lisciamento esponenziale multivariati

Go to the english version Cerca nel sito

di Giacomo Sbrana e Andrea Silvestrini settembre 2013

Lo studio esamina due degli approcci più comunemente utilizzati per la previsione della domanda aggregata: quello che parte dalle serie disaggregate e successivamente aggrega i risultati ottenuti (metodo “bottom-up”) e quello basato sulla serie aggregata (metodo “top-down”). L’analisi considera quali condizioni devono essere soddisfatte dai parametri del processo generatore dei dati affinché i due approcci risultino ugualmente accurati.

Il tema è stato considerato, sia dal punto di vista empirico che teorico, da numerosi studi precedenti. La letteratura teorica più recente è concorde sull’esistenza di una condizione necessaria e sufficiente che determina l’uguaglianza delle previsioni puntuali ottenute con i due approcci citati. Il presente lavoro si differenzia dai precedenti perché esplora le condizioni che garantiscono l’equivalenza dei due approcci sotto il profilo del loro grado di accuratezza. Quest’ultimo è misurato dagli errori quadratici medi delle previsioni, che è la metrica più comunemente impiegata per comparare la bontà di metodi di previsione alternativi.

I risultati dell’analisi sono i seguenti.

In primo luogo, sulla base dell’ipotesi semplificatrice di un processo generatore dei dati perfettamente noto, è possibile stabilire la condizione necessaria e sufficiente per l’uguaglianza degli errori quadratici medi delle previsioni ottenute con i metodi “top-down” e “bottom-up”.

In secondo luogo, si dimostra che la condizione di uguaglianza delle previsioni già nota in letteratura è sufficiente ma non necessaria per l’uguaglianza degli errori quadratici medi corrispondenti.

Infine, la condizione di uguaglianza degli errori quadratici medi consente di ordinare lo spazio parametrico usando come metrica l’efficienza relativa dei metodi di previsione. Pertanto, nota la struttura del processo generatore dei dati, si può valutare se uno dei due metodi sia più accurato rispetto all’altro in termini di errore quadratico medio o se essi siano ugualmente accurati.

Pubblicato nel 2013 in: International Journal of Production Economics, v. 146, 1, pp. 185-98

Testo della pubblicazione