Importanza dei modelli e delle tecniche di stima per un corretto forecasting

Transcript

1 1 Importanza dei modelli e delle tecniche di stima per un corretto forecasting Valeria Di Cosmo Economic and Social Research Institute and Trinity College Dublin Workshop Un ponte tra universita e aziende 07 October 2015

2 2 Perche la modellistica serve 1. Serve per creare il modello che pensiamo di usare 2. Serve per verificare che un modello che stiamo usando sia effettivamente corretto

3 2 Perche la modellistica serve 1. Serve per creare il modello che pensiamo di usare 2. Serve per verificare che un modello che stiamo usando sia effettivamente corretto Fa veramente quello che ci aspettiamo?

4 2 Perche la modellistica serve 1. Serve per creare il modello che pensiamo di usare 2. Serve per verificare che un modello che stiamo usando sia effettivamente corretto Fa veramente quello che ci aspettiamo? Come capire di stare usando/avere commissionato il modello corretto?

5 2 Perche la modellistica serve 1. Serve per creare il modello che pensiamo di usare 2. Serve per verificare che un modello che stiamo usando sia effettivamente corretto Fa veramente quello che ci aspettiamo? Come capire di stare usando/avere commissionato il modello corretto? 3. Collaborazione fra imprese ed enti di ricerca

6 2 Perche la modellistica serve 1. Serve per creare il modello che pensiamo di usare 2. Serve per verificare che un modello che stiamo usando sia effettivamente corretto Fa veramente quello che ci aspettiamo? Come capire di stare usando/avere commissionato il modello corretto? 3. Collaborazione fra imprese ed enti di ricerca

7 Perche la modellistica serve 1. Richiede una buona conoscenza di: Teoria economica

8 Perche la modellistica serve 1. Richiede una buona conoscenza di: Teoria economica Statistica: per le proprieta del campione analizzato 2. Puo essere usata con successo per: Comprendere le determinanti di una variabile (analisi ex-post)

9 Perche la modellistica serve 1. Richiede una buona conoscenza di: Teoria economica Statistica: per le proprieta del campione analizzato 2. Puo essere usata con successo per: Comprendere le determinanti di una variabile (analisi ex-post) Predirre l andamento futuro di una variabile (forecasting)

10 Perche la modellistica serve 1. Richiede una buona conoscenza di: Teoria economica Statistica: per le proprieta del campione analizzato 2. Puo essere usata con successo per: Comprendere le determinanti di una variabile (analisi ex-post) Predirre l andamento futuro di una variabile (forecasting)

11 4 Come funziona La prima domanda da porre e : per cosa usiamo il modello? 1. Capire andamento passato? Spendere tempo e fatica sulla modellizzazione Scelta di modelli complessi e ricchi

12 4 Come funziona La prima domanda da porre e : per cosa usiamo il modello? 1. Capire andamento passato? Spendere tempo e fatica sulla modellizzazione Scelta di modelli complessi e ricchi 2. Fare forecast del futuro?

13 4 Come funziona La prima domanda da porre e : per cosa usiamo il modello? 1. Capire andamento passato? Spendere tempo e fatica sulla modellizzazione Scelta di modelli complessi e ricchi 2. Fare forecast del futuro? I predittori piu efficaci di solito vengono da modelli piu semplici Occorre catturare le determinanti della volatilit per tenerne conto nel forecast.

14 4 Come funziona La prima domanda da porre e : per cosa usiamo il modello? 1. Capire andamento passato? Spendere tempo e fatica sulla modellizzazione Scelta di modelli complessi e ricchi 2. Fare forecast del futuro? I predittori piu efficaci di solito vengono da modelli piu semplici Occorre catturare le determinanti della volatilit per tenerne conto nel forecast.

15 Come funziona Pensiamo a un caso pratico: vogliamo valutare quali siano le determinanti del prezzo elettrico italiano Gennaio-Luglio

16 Come funziona Pensiamo a un caso pratico: vogliamo valutare quali siano le determinanti del prezzo elettrico italiano Gennaio-Luglio 2015

17 6 Come funziona: un po di matematica La seconda domanda e : come vogliamo ottenere il nostro risultato? 1. Serve sapere che tipo di modellizzazione vogliamo adottare/viene adottata dal centro di ricerca

18 6 Come funziona: un po di matematica La seconda domanda e : come vogliamo ottenere il nostro risultato? 1. Serve sapere che tipo di modellizzazione vogliamo adottare/viene adottata dal centro di ricerca 2. Utile per implementare/richiedere modelli adeguati al nostro scopo

19 Come funziona: un po di matematica La seconda domanda e : come vogliamo ottenere il nostro risultato? 1. Serve sapere che tipo di modellizzazione vogliamo adottare/viene adottata dal centro di ricerca 2. Utile per implementare/richiedere modelli adeguati al nostro scopo Partendo da un certo processo y possiamo approssimarlo partendo dalle sue determinanti, raccolte nella matrice X secondo il modello: y = f (X) (1) y = β 1 X 1 + β 2 X β n X n (2)

20 Come funziona: un po di matematica La seconda domanda e : come vogliamo ottenere il nostro risultato? 1. Serve sapere che tipo di modellizzazione vogliamo adottare/viene adottata dal centro di ricerca 2. Utile per implementare/richiedere modelli adeguati al nostro scopo Partendo da un certo processo y possiamo approssimarlo partendo dalle sue determinanti, raccolte nella matrice X secondo il modello: y = f (X) (1) y = β 1 X 1 + β 2 X β n X n (2)

21 7 Come funziona: un po di matematica Da tenere a mente: L approssimazione econometrica non pu mai spiegare il 100% del processo, (rimarranno sempre dei residui, che indichiamo con la lettera ɛ) Ci interessa trovare i coefficienti (in rosso) della seguente relazione: y = β 1 X 1 + β 2 X β n X n + ɛ (3)

22 7 Come funziona: un po di matematica Da tenere a mente: L approssimazione econometrica non pu mai spiegare il 100% del processo, (rimarranno sempre dei residui, che indichiamo con la lettera ɛ) Ci interessa trovare i coefficienti (in rosso) della seguente relazione: y = β 1 X 1 + β 2 X β n X n + ɛ (3)

23 8 Un esempio Applichiamo quanto detto finora: 1. cosa vogliamo fare: modello per predirre il PUN nel Luglio 2015 usando i dati da Gennaio a Giugno.

24 Un esempio Applichiamo quanto detto finora: 1. cosa vogliamo fare: modello per predirre il PUN nel Luglio 2015 usando i dati da Gennaio a Giugno. 2. come vogliamo fare:

25 Un esempio Applichiamo quanto detto finora: 1. cosa vogliamo fare: modello per predirre il PUN nel Luglio 2015 usando i dati da Gennaio a Giugno. 2. come vogliamo fare: Teoria Il modello econometrico lineare Previsione

26 Un esempio Applichiamo quanto detto finora: 1. cosa vogliamo fare: modello per predirre il PUN nel Luglio 2015 usando i dati da Gennaio a Giugno. 2. come vogliamo fare: Teoria Il modello econometrico lineare Previsione

27 Un esempio Volumi e prezzi sono relazionati uno all altro

28 9 Un esempio Volumi e prezzi sono relazionati uno all altro Usiamo quindi la serie dei consumi energetici per spiegare l andamento dei prezzi in Italia, da Gennaio a Giugno 2015

29 9 Un esempio Volumi e prezzi sono relazionati uno all altro Usiamo quindi la serie dei consumi energetici per spiegare l andamento dei prezzi in Italia, da Gennaio a Giugno 2015 Ecco come risulta il fit del modello considerando solamente i volumi come variabile esplicativa X:

30 9 Un esempio Volumi e prezzi sono relazionati uno all altro Usiamo quindi la serie dei consumi energetici per spiegare l andamento dei prezzi in Italia, da Gennaio a Giugno 2015 Ecco come risulta il fit del modello considerando solamente i volumi come variabile esplicativa X:

31 9 Un esempio Volumi e prezzi sono relazionati uno all altro Usiamo quindi la serie dei consumi energetici per spiegare l andamento dei prezzi in Italia, da Gennaio a Giugno 2015 Ecco come risulta il fit del modello considerando solamente i volumi come variabile esplicativa X:

32 9 Un esempio Volumi e prezzi sono relazionati uno all altro Usiamo quindi la serie dei consumi energetici per spiegare l andamento dei prezzi in Italia, da Gennaio a Giugno 2015 Ecco come risulta il fit del modello considerando solamente i volumi come variabile esplicativa X:

33 9 Un esempio Volumi e prezzi sono relazionati uno all altro Usiamo quindi la serie dei consumi energetici per spiegare l andamento dei prezzi in Italia, da Gennaio a Giugno 2015 Ecco come risulta il fit del modello considerando solamente i volumi come variabile esplicativa X:

34 10 Come funziona Qui ho usato un OLS (Ordinary Least Square) estimator, che minimizza la distanza fra la serie originaria (PUN) e quella stimata. Che domande bisogna porsi?

35 Come funziona Qui ho usato un OLS (Ordinary Least Square) estimator, che minimizza la distanza fra la serie originaria (PUN) e quella stimata. Che domande bisogna porsi? La scelta del modello e corretta? Il modello e ben specificato? (Tutte le variabili rilevanti sono incluse?) Forti assunzioni dietro al modello usato (i.e normalita ). Sono verificate?

36 Come funziona Qui ho usato un OLS (Ordinary Least Square) estimator, che minimizza la distanza fra la serie originaria (PUN) e quella stimata. Che domande bisogna porsi? La scelta del modello e corretta? Il modello e ben specificato? (Tutte le variabili rilevanti sono incluse?) Forti assunzioni dietro al modello usato (i.e normalita ). Sono verificate?

37 Test!test!test! Vedere come performa il modello e importante: 1. Verificare sempre cosa c e dietro all interpolazione! Verificare (o chiedere di vedere) i residui 2. Questa e un approssimazione abbastanza povera:

38 Test!test!test! Vedere come performa il modello e importante: 1. Verificare sempre cosa c e dietro all interpolazione! Verificare (o chiedere di vedere) i residui 2. Questa e un approssimazione abbastanza povera: (a) Istogramma dei residui

39 Test!test!test! Vedere come performa il modello e importante: 1. Verificare sempre cosa c e dietro all interpolazione! Verificare (o chiedere di vedere) i residui 2. Questa e un approssimazione abbastanza povera: (a) Istogramma dei residui (b) QQ plot dei residui

40 Test!test!test! Vedere come performa il modello e importante: 1. Verificare sempre cosa c e dietro all interpolazione! Verificare (o chiedere di vedere) i residui 2. Questa e un approssimazione abbastanza povera: (a) Istogramma dei residui (b) QQ plot dei residui

41 Methods Rischi Una cattiva stima porta ad enfatizzare o sottostimare dei fenomeni, quindi a fare una cattiva previsione 1. La teoria conta E giusto considerare solo i volumi nella determinazione del prezzo o ci sono altre variabili?

42 12 Methods Rischi Una cattiva stima porta ad enfatizzare o sottostimare dei fenomeni, quindi a fare una cattiva previsione 1. La teoria conta E giusto considerare solo i volumi nella determinazione del prezzo o ci sono altre variabili? Il modello e corretto?

43 Methods Rischi Una cattiva stima porta ad enfatizzare o sottostimare dei fenomeni, quindi a fare una cattiva previsione 1. La teoria conta E giusto considerare solo i volumi nella determinazione del prezzo o ci sono altre variabili? Il modello e corretto? La causalita non puo essere trovata solo empiricamente: cosa causa cosa va determinato soprattutto a livello teorico?

44 Methods Rischi Una cattiva stima porta ad enfatizzare o sottostimare dei fenomeni, quindi a fare una cattiva previsione 1. La teoria conta E giusto considerare solo i volumi nella determinazione del prezzo o ci sono altre variabili? Il modello e corretto? La causalita non puo essere trovata solo empiricamente: cosa causa cosa va determinato soprattutto a livello teorico? 2. La scelta del modello statistico conta

45 12 Methods Rischi Una cattiva stima porta ad enfatizzare o sottostimare dei fenomeni, quindi a fare una cattiva previsione 1. La teoria conta E giusto considerare solo i volumi nella determinazione del prezzo o ci sono altre variabili? Il modello e corretto? La causalita non puo essere trovata solo empiricamente: cosa causa cosa va determinato soprattutto a livello teorico? 2. La scelta del modello statistico conta La varianza della serie viene modellizzata? Gli spikes vengono catturati dalla serie fittata?

46 12 Methods Rischi Una cattiva stima porta ad enfatizzare o sottostimare dei fenomeni, quindi a fare una cattiva previsione 1. La teoria conta E giusto considerare solo i volumi nella determinazione del prezzo o ci sono altre variabili? Il modello e corretto? La causalita non puo essere trovata solo empiricamente: cosa causa cosa va determinato soprattutto a livello teorico? 2. La scelta del modello statistico conta La varianza della serie viene modellizzata? Gli spikes vengono catturati dalla serie fittata?

47 13 Methods Usare la teoria: altre determinanti L analisi dei dati da soli non basta, occorre coinvolgere la teoria: includere altre determinanti! Prezzo dei fuels (gas, carbone...) Generazione di rinnovabili Conoscenza del mercato Prezzo della CO 2

48 Methods Usare la teoria: altre determinanti L analisi dei dati da soli non basta, occorre coinvolgere la teoria: includere altre determinanti! Prezzo dei fuels (gas, carbone...) Generazione di rinnovabili Conoscenza del mercato Prezzo della CO 2

49 Methods Usare la statistica: altri modelli Oltre alle variabili corrette occorre usare la giusta specificazione. In particolare, controllare per la varianza della serie Modelli ARCH, GARCH e simili Controllare per gli spikes Valutare quali siano le variabili predittive piu rilevanti Considerare i logaritmi (o altre trasformazioni)!

50 15 Results Dopo qualche cambiamento... Includiamo nel nuovo modello: 1. prezzi dei fuels e altre variabili 2. una adeguata specificazione per la varianza Figure: Estimation (01/01/ /06/2015)

51 16 Results Forecast Possiamo quindi usare il modello che: 1. Cattura gli spikes 2. Cattura le principali determinanti del prezzo per fare forecast:

52 16 Results Forecast Possiamo quindi usare il modello che: 1. Cattura gli spikes 2. Cattura le principali determinanti del prezzo per fare forecast: Figure: Forecast (01/07/ /07/2015)

53 16 Results Forecast Possiamo quindi usare il modello che: 1. Cattura gli spikes 2. Cattura le principali determinanti del prezzo per fare forecast: Figure: Forecast (01/07/ /07/2015)

54 17 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca

55 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca 3. Un po di statistica e di conoscenza della teoria sono delle competenze necessarie per fare un buon modello e per:

56 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca 3. Un po di statistica e di conoscenza della teoria sono delle competenze necessarie per fare un buon modello e per: 3.1 Sapere cosa chiedere

57 17 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca 3. Un po di statistica e di conoscenza della teoria sono delle competenze necessarie per fare un buon modello e per: 3.1 Sapere cosa chiedere 3.2 Sapere cosa verificare Capire meglio il processo che si analizza per:

58 17 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca 3. Un po di statistica e di conoscenza della teoria sono delle competenze necessarie per fare un buon modello e per: 3.1 Sapere cosa chiedere 3.2 Sapere cosa verificare Capire meglio il processo che si analizza per: Considerare quali variabili esplicative includere Valutare che frequenza si e mantenuta (oraria? giornaliera?) Di conseguenza, valutare come e per cosa usare il modello

59 17 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca 3. Un po di statistica e di conoscenza della teoria sono delle competenze necessarie per fare un buon modello e per: 3.1 Sapere cosa chiedere 3.2 Sapere cosa verificare Capire meglio il processo che si analizza per: Considerare quali variabili esplicative includere Valutare che frequenza si e mantenuta (oraria? giornaliera?) Di conseguenza, valutare come e per cosa usare il modello

60 17 Conclusions Conclusioni 1. Alle industrie interessa capire come e per cosa usare un modello 2. Puo essere utile avere una conoscenza di base sulla modellistica per rendere piu proficuo il rapporto di collaborazione con universita o enti di ricerca 3. Un po di statistica e di conoscenza della teoria sono delle competenze necessarie per fare un buon modello e per: 3.1 Sapere cosa chiedere 3.2 Sapere cosa verificare Capire meglio il processo che si analizza per: Considerare quali variabili esplicative includere Valutare che frequenza si e mantenuta (oraria? giornaliera?) Di conseguenza, valutare come e per cosa usare il modello

61 Conclusions Conclusions Grazie!!