Top PDF Modelli di previsione per serie storiche finanziarie

Modelli di previsione per serie storiche finanziarie

Modelli di previsione per serie storiche finanziarie

Per il titolo di Intesa Sanpaolo i criteri AIC e SC sono minimi in cor- rispondenza del modello ARMA, che risulta essere il migliore perchè non è sovraparametrizzato. Gli altri modelli, invece, presentano criteri AIC e SC più elevati perchè considerano molti parametri. Nonostante questa prima dif- ferenza riscontrata tra i modelli, si nota come nelle tre procedure gli indicatori dell’errore di previsione assumano approssimativamente lo stesso valore. A tal proposito è utile ricordare che l’andamento dei grafici delle previsioni, per questo titolo, non era buono. Ciò, però, potrebbe essere dovuto al fatto che non si è cercato di risolvere il problema della non linearità in ‘varianza’ con i modelli ARCH già citati, e dunque non si è riusciti a catturare completa- mente la dipendenza tra le osservazioni. Per il titolo FTSE MIB si possono considerare le stesse conclusioni tratte per il titolo azionario poichè nell’analisi presentavano molte affinità, come la presenza di non linearità in ‘varianza’. In questi titoli sembra, pertanto, trovare fondamento la teoria dell’Efficienza del Mercato perchè non è stato possibile ottenere buone previsioni sia con i modelli ARMA che con i modelli basati sulle ANN. Il modello migliore per questi due titoli è stato il modello ibrido, nel quale la serie delle previsioni effettuate segue meglio l’andamento del test set, contenente i valori osservati. Tale modello, infatti, fornisce qualche indicazione di possibile miglioramento perchè combina sia una struttura lineare che un non lineare.
Mostra di più

61 Leggi di più

Previsione di prezzi nel mercato elettrico : modelli e applicazioni

Previsione di prezzi nel mercato elettrico : modelli e applicazioni

Come nel caso precedente non c’è un modello migliore degli altri. Inoltre nessun modello riesce a superare il test na ї ve per la giornata di venerdì. Inserendo una variabile dummy anche per questo giorno la situazione non cambia. I risultati migliori restano quelli prodotti dai modelli AR1-G e ARX1-G, infatti essi non superano il test rispettivamente di 0,01% e 0,02%. Il modello AR2 presenta risultati insoddisfacenti: non presenta MDE migliori degli altri in nessun giorno e supera il test na ї ve solo lunedì,sabato e domenica. Inoltre presenta il Mean Weekly Error maggiore per la prima settimana. È stato perciò escluso dal nostro set di modelli utilizzati per stimare l’intero periodo di previsione.
Mostra di più

66 Leggi di più

Il realized range: proprieta dinamiche e previsione della  volatilita' di serie storiche finanziarie

Il realized range: proprieta dinamiche e previsione della volatilita' di serie storiche finanziarie

Infine consideriamo l’orizzonte temporale che intercorre dal gennaio 2003 al giugno 2008, e svolgiamo l’esercizio di previsione per gli ultimi sei mesi del 2008. Anche in tal caso notiamo che le differenze tra la capacità previsiva degli otto modelli si attenua e il test di Diebold-Mariano non riscontra differenze significative tra i residui delle diverse previsioni. Il modello che garantisce delle previsioni con un indice di Theil inferiore è il modello 2.6 che prevede una specificazione HAR- GARCH con innovazioni Gaussiane, con variabili esogene, variabili dummy e variabili esogene in forma HAR inserite nella media del processo, e varibili esogene inserite nell’equazione della varianza. Le previsioni ottenute con tale specificazione sono rappresentate graficamente nella figura sottostante. Si può notare che nei primi nei mesi di luglio e agosto 2008 la variabilità del realized range è stata molto bassa, per poi aumentare vistosamente negli altri quattro mesi, ad iniziare da settembre 2008.
Mostra di più

62 Leggi di più

Modelli lineari per la previsione dei prezzi dell'energia elettrica in California

Modelli lineari per la previsione dei prezzi dell'energia elettrica in California

Gli approcci statistici cercano invece di trovare il modello ottimale per i prezzi dell’elettricità in termini delle sue capacità di previsione. Essi sono o applicazioni dirette delle tecniche statistiche per fare previsioni o implementazioni del potere di mercato di modelli econometrici. I metodi più popolari includono la regressione multivariata, modelli di serie storiche e tecniche di sbiancamento. Mentre l’efficienza e l’utilità di tali strumenti di analisi tecnica nei mercati finanziari è spesso messa in discussione, nel potere di mercato questi metodi sembrano avere migliore fortuna. La ragione di ciò è la prevalenza di stagionalità nei processi del prezzo di elettricità durante i periodi normali, non durante quelli difficili o duri. Questo fa si che i prezzi dell’elettricità siano più prevedibili rispetto a quelli di molte oscillazioni casuali di patrimoni finanziari. Inoltre, come si vedrà più avanti in questo studio, per accrescere la loro efficienza molti degli approcci statistici incorporano dei fattori fondamentali, come i prezzi di caricamento o i prezzi pieni.
Mostra di più

78 Leggi di più

Stima e previsione per modelli INAR(1) con distribuzione dell'errore Binomiale e Binomiale Negativa

Stima e previsione per modelli INAR(1) con distribuzione dell'errore Binomiale e Binomiale Negativa

In questo capitolo viene condotto un esperimento di simulazione Monte Carlo per testare le procedure di stima e previsione presentate in precedenza. L’esperimento ` e suddiviso in due parti. La prima parte tratta gli stimatori di massima verosimiglianza e ha lo scopo di ottenere informazioni riguardanti la distorsione e la variabilit` a degli stimatori sia al variare della numerosit` a cam- pionaria sia al variare dei valori assunti dai parametri. La seconda parte ` e un confronto tra i diversi modelli trattati in termini di qualit` a delle previsioni e ha, principalmente, lo scopo di verificare se l’utilizzo dei modelli INAR(1) con specificazioni diverse dalla Poisson possa essere utile in fase previsiva.
Mostra di più

78 Leggi di più

Analisi di modelli statistici per la previsione del numero  di reti segnate da una squadra di calcio

Analisi di modelli statistici per la previsione del numero di reti segnate da una squadra di calcio

Il secondo modello nasce dalla speranza che le caratteristiche della distribuzione statistica più utilizzata al mondo, la Normale, potessero permettere una buona precisione nella previsione del fenomeno studiato. Prima di utilizzare questa distribuzione, si sono rese necessarie delle trasformazioni; inoltre ci si augurava che un buon adattamento marginale fosse accompagnato da un buon adattamento a livello bivariato in modo tale da potere descrivere il risultato di una partita di calcio tramite il modello bivariato.

151 Leggi di più

Valanghe: modelli per la previsione

Valanghe: modelli per la previsione

Le previsioni verranno effettuate mediante l’uso di modelli statistici di diversa natura per constatare se esiste una famiglia di modelli che meglio si adatta a questo tipo di variabili ambientali. I dati analizzati in questo studio sono stati presi dal sito internet della divisione meteorologica della regione trentino che mette a disposizione degli utenti un vasto database contenente i rilevamenti annuali di un cospicuo numero di stazioni presenti nel territorio della regione.

29 Leggi di più

Modelli statistici per la previsione del sesso di un neonato

Modelli statistici per la previsione del sesso di un neonato

1HJOL DQQL ¶ QRWHYROH ULOHYDQ]D KDQQR DYXWR JOL DUWLFROL GL XQR VWXGLRVR FRORPELDQR GL QRPH*XHUUHUR1HOODSULPDDQDOLVLSURSRVWD *XHUUHUR YLHQHPRVWUDWDODSUHV[r]

126 Leggi di più

Modelli statistici per la previsione del consumo di gas

Modelli statistici per la previsione del consumo di gas

Snam Rete Gas conferisce capacità di trasporto agli Shipper che ne fanno richiesta, i quali acquisiscono il diritto di immettere e ritirare, in qualsiasi giorno dell'Anno Termico è il pe[r]

219 Leggi di più

Modelli di previsione dell'inflazione italiana:ruolo della  moneta globale

Modelli di previsione dell'inflazione italiana:ruolo della moneta globale

Nella prima analisi, i quattro modelli appaiono tutti buoni, dati gli elevati valori di R 2 aggiustato ed F − statistic . I correlogrammi sono tutti soddisfacenti, e non si evidenzia la presenza di autocorrelazione dei residui, eccezion fatta per il primo modello.

48 Leggi di più

La previsione dei prezzi dell'elettricita' con modelli  lineari per serie storiche

La previsione dei prezzi dell'elettricita' con modelli lineari per serie storiche

Essi possono essere considerati come una sorta di ammodernamento dei modelli basati sui costi di produzione, nel senso che a differenza di questi ultimi tengono conto anche dell’importanza della competizione e delle strategie riguardo ad essa. Tramite questi approcci si può comprendere come i prezzi possano essere superiori ai costi marginali,e come questo possa influenzare i risultati delle scelte degli agenti economici. Però c’è da dire che è presente tra i concorrenti un sostanziale rischio di non corretta specificazione del modello nelle loro strategie potenziali e nell’insieme di profitti che devono essere definiti subito.
Mostra di più

98 Leggi di più

Confronto tra modelli previsivi per serie macroeconomiche:  un'applicazione al caso statunitense

Confronto tra modelli previsivi per serie macroeconomiche: un'applicazione al caso statunitense

Questo risultato ci fa pensare che probabilmente l’ultimo periodo campionario, quello meno volatile, per orizzonti previsivi lontani, influisca molto sui modelli di previsione, favorendo modelli omoschedastici di basso ordine. Tuttavia un modello AR(4) non risulta migliore di un altro con in più la componente GARCH: al più i due risultano statisticamente non diversi. Altro discorso se si stimano i modelli nel periodo con alta volatilità: in questo caso per previsioni lontane, a due anni, le migliori stime sui valori futuri le otteniamo con strutture che modellino anche il processo delle volatilità. Quello che pensiamo, quindi, è che risulta conveniente, nell’andare a calcolare previsioni, utilizzare anche modelli eteroschedastici, da considerare al più come un limite inferiore per la bontà delle previsioni. Infatti, se nel caso di bassa volatilità del processo abbiamo visto come, per previsioni a lungo termine (due anni), un modello auto – regressivo di basso ordine preveda bene quanto un modello con componente GARCH, questo non vale più nel caso di periodi di alta volatilità, dove la performance previsiva di modelli eteroschedastici risulta essere nettamente migliore rispetto a quelli omoschedastici. Poiché abbiamo visto come le motivazioni fornite a spiegare il cambiamento della volatilità nelle variabili macroeconomiche siano diverse e contrastanti tra loro, nulla ci assicura che il livello della varianza di questi processi rimanga a questi livelli,
Mostra di più

94 Leggi di più

Previsione della volatilita realizzata tramite analisi del sentiment e riduzione della dimensionalita di un dataset di news finanziarie

Previsione della volatilita realizzata tramite analisi del sentiment e riduzione della dimensionalita di un dataset di news finanziarie

Vale la pena spendere qualche commento anche sui graci inferiori, riguar- danti il numero di componenti signicative: una caratteristica comune più o meno a tutti i casi è il fatto che siano sempre poche le variabili aggiuntive, ad avere un impatto signicativo, anche solo al 95%. Infatti, si può notare co- me nei casi in cui la strategia abbia avuto più successo, sia stata selezionata solo la metà circa delle variabili a disposizione. D'altro canto, per diversi tito- li non si è registrato alcun coeciente signicativo per buona parte parte del periodo (se non per tutto) e specialmente al 99%. A questo punto, l'apporto for- nito dalle variabili news potrebbe essere interpretato più come un disturbo che qualcosa d'informativo sul fenomeno: purtroppo non è facile dire se ciò dipenda dalla struttura del dataset, dalle metodologie per le stime, o se semplicemente le variabili prese in considerazione non abbiano veramente alcun eetto sulla volatilità del mercato. Per capirlo, non resta che analizzare le performance dei modelli in quanto ad errori nelle previsioni.
Mostra di più

78 Leggi di più

Modellazione e previsione di serie storiche delle vendite:  il caso Dab Pumps S.P.A

Modellazione e previsione di serie storiche delle vendite: il caso Dab Pumps S.P.A

Si specificano gli ordini (p,d,q)*(P,D,Q) del modello. Ciò viene effettuato principalmente mediante analisi successive dei grafici delle funzioni autocorrelazione globale e parziale. Se le autocorrelazioni tendono ad annullarsi molto lentamente (o non si annullano affatto) è probabile che il processo generatore sia non stazionario. In questo caso la serie deve essere resa stazionaria. Se la serie presenta non stazionarietà in media si applica la differenziazione di ordine d (per i modelli ARIMA) oppure D (per i modelli SARIMA). Invece se la serie presenta non stazionarietà in varianza si effettua un’opportuna trasformazione della serie (la trasformazione deve avvenire prima della differenziazione).
Mostra di più

60 Leggi di più

Analisi e previsioni di serie storiche relative al traffico di telefonia mobile

Analisi e previsioni di serie storiche relative al traffico di telefonia mobile

Per effettuare le previsioni per il mese di Luglio utilizzeremo tre modelli di stima: il modello SARIMA identificato nel paragrafo precedente e i due modelli di Holt - Winters stagionali additivo e moltiplicativo. Per prima cosa dobbiamo confrontare questi ultimi due modelli, per decidere quale sia più adatto alla previsione richiesta: per fare ciò andiamo a confrontare il valore dell’EQM relativo ai due modelli di Holt – Winters stimati fino al 30/06/04. Le costanti di lisciamento che minimizzano l’EQM dei due metodi risultano essere: α = 0 , 4 β = 0 , 4 γ = 0 , 95 per il metodo additivo, e α = 0 , 8 β = 0 , 95 γ = 0 , 95 per il metodo moltiplicativo. Il valore
Mostra di più

43 Leggi di più

Modellazione e previsione del mercato di telefonia mobile con metodi per serie storiche

Modellazione e previsione del mercato di telefonia mobile con metodi per serie storiche

Dopo aver modellato i dati con due diversi metodi (Box-Jenkins e lisciamento esponenziale), lavorando sia sulla serie “rapporto = minuti/chiamate”, che sulla serie ottenuta effettuando una differenziazione stagionale di ordine sette (in quanto la cadenza della serie è settimanale) sulla stessa, abbiamo effettuato le previsioni. A questo punto abbiamo calcolato gli indici di bontà di previsione (Errore Quadratico Medio ed Errore Medio Assoluto) per le previsioni ottenute dai due modelli SARIMA stimati e per quelle ottenute tramite i due metodi di lisciamento esponenziale (additivo e moltiplicativo). Tali indici sono utili a livello comparativo, nel senso che permettono di stabilire quale procedura di stima porti a previsioni più attendibili rispetto ad altre. I risultati ottenuti sono riassunti nella seguente tabella:
Mostra di più

36 Leggi di più

La volatilita' nelle serie finanziarie. Evidenze empiriche e modelli

La volatilita' nelle serie finanziarie. Evidenze empiriche e modelli

Un’assunzione che sta alla base della ricerca è l’ipotesi d’efficienza dei mercati, vale a dire la proprietà dei prezzi degli strumenti di riflettere pienamente l’informazione a disposizione. L’idea poco realistica è quella di un mercato senza imperfezioni, frizioni e costi di transizione, dove il prezzo del bene incorpori abbastanza velocemente tutta l’informazione del mercato. Come conseguenza, ogni vantaggio informativo che può portare ad un vantaggio in termini di profitto viene istantaneamente sfruttato. Da questo punto di vista dunque, il rendimento atteso di un’attività dovrebbe essere uguale a zero. Sotto l’ipotesi d'efficienza dei mercati l’informazione disponibile è poco rilevante per la previsione dei prezzi e/o dei rendimenti; al contrario diventa rilevante per la previsione della volatilità.
Mostra di più

55 Leggi di più

Modelli garch per l'assimetria-applicazioni su serie reali

Modelli garch per l'assimetria-applicazioni su serie reali

Deviazione standard non condizionata - Generali 0.01997208.. Deviazione standard non condizionata - Allianz 0.02216823.[r]

48 Leggi di più

Analisi del ruolo delle variabili climatiche nei flussi di CO2 tra ecosistemi e atmosfera tramite modelli empirici e serie storiche di misure eddy covariance

Analisi del ruolo delle variabili climatiche nei flussi di CO2 tra ecosistemi e atmosfera tramite modelli empirici e serie storiche di misure eddy covariance

La stagionalità influenza notevolmente gli andamenti di molte variabili ecologiche e risulta difficile comprendere quali siano i driver che condizionano la GPP nel breve e nel lungo periodo. Questo è un aspetto molto importante da tenere in considerazione ogni volta che si cerca di analizzare le relazione driver-output o anche quando misure e modelli vengono confrontati: il segnale stagionale è un segnale forte che viene facilmente spiegato da differenti variabili. La SSA è uno strumento utile per discriminare le varie componenti di un segnale e grazie all’applicazione di questa metodologia è stato possibile eliminare il segnale stagionale dalle variabili. In alcuni casi sarebbe opportuno provare diversi settaggi dei parametri per riuscire a estrarre tutte le componenti desiderate in modo efficiente.
Mostra di più

79 Leggi di più

Mercato elettrico Ipex: analisi della serie dei prezzi con modelli a memoria lunga

Mercato elettrico Ipex: analisi della serie dei prezzi con modelli a memoria lunga

Per la memoria lunga vengono generalmente considerati i modelli ARFIMA tralasciando che sono limitati dal fatto che non riescono a modellare comportamenti ciclici persistenti; infatti gli ARFIMA riescono a cogliere solo una memoria lunga classica (non stagionale) che quindi presenta un picco nel periodogramma solo a ritardo “0”. In questo lavoro faremo riferimento ad un'altra famiglia di modelli a memoria lunga detti GARMA (generalized ARMA) che al contrario possono modellare comportamenti periodici di lungo periodo; lo spettro, quindi, potrà presentare più picchi in corrispondenza di frequenze diverse.
Mostra di più

75 Leggi di più

Show all 266 documents...