Negli ultimi decenni sono state sviluppate molteplici tecniche per la previsione di serie economiche ed in particolare finanziarie. Molta letteratura1 si è interessata anche allo studio del modo ottimale di combinare tali diverse previsioni, qualora disponibili. Infatti la previsione combinata risulta spesso essere la migliore.

Ad esempio, Granger e Newbold (1986) mostrano come combinando due previsori non distorti un passo avanti attraverso una media ponderata, sia facile calcolare i pesi che permettono di avere una varianza dell'errore di previsione della previsione combinata più piccola delle singole varianze dei previsori combinati. Ciò permette agli stessi Autori di affermare:

«...a priori, it is reasonable to expect in most practical situations that the best available combined forecast will outperform the better individual forecast - it cannot, in any case, do worse».

Lo scopo di questo contributo è di valutare l'effettiva possibilità di migliorare la capacità previsiva di serie finanziarie, utilizzando un opportuno combinatore, che permetta non solo di fondere i risultati di metodi di previsione diversi ma anche di legare previsioni ottenute su scadenze diverse. Infatti, al fine di utilizzare al meglio l'informazione disponibile su una scadenza più lunga (quale ad esempio la settimana nel caso di serie finanziarie), si intendono rivedere le previsioni giornaliere sulla base della previsione settimanale. In particolare, saranno confrontate e combinate cinque diverse metodologie utilizzate per la previsione di serie finanziarie giornaliere. Tali metodologie possono essere raggruppate in due diverse classi:

. nella prima rientrano i metodi di tipo adattivo, nel senso che il modello migliore è definito sulla base del miglior risultato previsivo ottenuto su un sottocampione (validation set).

Esse sono:

- le reti neurali;
- la logica fuzzy;
- i modelli caotici.

. nella seconda sono riuniti i modelli di tipo strutturale, definiti sulla base di ipotesi circa il comportamento della serie ed il modello migliore è quindi selezionato sulla base del
miglior adattamento sull'intero campione a disposizione. Considereremo:

- i modelli con varianza condizionalmente autoregressiva (GARCH);

- i modelli a cambiamenti di regime.

Sarà anche considerata una previsione settimanale ottenuta attraverso un modello di tipo strutturale a parametri variabili. Infatti sulla scadenza settimanale è possibile sfruttare informazioni che normalmente su base giornaliera non sono disponibili. Le serie oggetto di studio è data dai valori minimi e massimi del tasso di cambio marco/dollaro e del future sui BTP, registrate al LIFFE ed osservate tra il maggio 1994 ed il luglio 1997.

[Sommario] [Successivo : Il combinatore ]