2.3 Componenti delle serie storiche

Nel descrivere queste serie storiche sono stati utilizzati i termini “trend” e “stagionalità”, che necessitano di essere definiti più accuratamente.

Trend
Un trend esiste quando c’è un incremento o un decremento di lungo termine nei dati. Non deve essere necessariamente lineare. A volte ci si riferisce ad un trend come “cambio di direzione”, nel caso in cui si passi ad esempio da trend crescente a trend decrescente. C’è un trend nei dati sui farmaci antidiabetici mostrati in figura 2.2.
Stagionalità
Una componente stagionale si verifica quando una serie storica è influenzata da fattori stagionali, come il tempo dell’anno o il giorno della settimana. La stagionalità è sempre di un periodo fisso e noto. Le vendite mensili dei farmaci antidiabetici (figura 2.2) mostrano una stagionalità che è indotta parzialmente dal cambiamento nel costo dei farmaci alla fine dell’anno solare.
Ciclo
Un ciclo si verifica quando i dati mostrano aumenti e cadute che non sono ad una frequenza fissata. Queste fluttuazioni sono solitamente dovute a condizioni economiche, e sono spesso collegate al “ciclo economico”. La durata di queste fluttuazioni è solitamente di almeno 2 anni.

Molte persone confondono il ciclo con la stagionalità, anche se queste componenti sono molto diverse. Se le fluttuazioni non sono di frequenza fissa allora si tratta di un ciclo; se invece la frequenza è costante ed associata con qualche aspetto del calendario, allora il pattern è stagionale. In generale, la lunghezza media dei cicli è più lunga della lunghezza di un pattern stagionale, e l’ampiezza dei cicli tende ad essere più variabile dell’ampiezza dei pattern stagionali.

Molte serie storiche includono trend, ciclo e stagionalità. Quando si sceglie un modello di previsione, è necessario prima identificare le componenti nella serie storica, per poi scegliere un metodo in grado di catturarle correttamente.

Gli esempi in figura 2.3 mostrano differenti combinazioni di queste componenti.

Quattro esempi di serie temporali che presentano differenti componenti.

Figura 2.3: Quattro esempi di serie temporali che presentano differenti componenti.

  1. Le vendite mensili di abitazioni (in alto a sinistra) mostrano una forte stagionalità all’interno di ciascun anno, così come un forte comportamento ciclico con un periodo di circa 6–10 anni. Non vi è un trend apparente nei dati di questo periodo.
  2. I contratti dei buoni del tesoro statunitensi (in alto a destra) mostrano i risultati del mercato di Chicago per 100 giorni consecutivi di negoziazione nel 1981. Qui non c’è stagionalità, ma un evidente trend al ribasso. Forse, avendo a disposizione una serie più lunga, si potrebbe vedere che questo trend al ribasso è in effetti parte di un lungo ciclo, ma osservato solo su 100 giorni sembra si tratti di un trend.
  3. La produzione trimestrale australiana di energia elettrica (in basso a sinistra) mostra un forte trend crescente, con forte stagionalità. In questo caso non c’è evidenza di alcun comportamento ciclico.
  4. La variazione giornalieria del prezzo di chiusura delle azioni di Google (in basso a destra) non mostra trend, stagionalità o cicli. Ci sono fluttuazioni casuali che non sembrano essere molto prevedibili e nessun pattern forte che aiuti a sviluppare un modello di previsione.