Dissertations / Theses on the topic 'Previsione di Serie Storiche'

La combinazione di previsioni è un tema su cui si è molto dibattuto soprattutto in tempi pressoché recenti. L’importanza rivestita da questo argomento è stata tale da essere oggetto di attenzione di molti studi. In particolare, in questo elaborato viene sviluppato un modello ibrido per combinare previsioni in ambito finanziario. Più specificatamente, la metodologia proposta combina le previsioni ottenute da un set di indicatori di analisi tecnica con quella elaborata dalla regressione locale avvalendosi di un determinato algoritmo di ottimizzazione, il Particle Swarm Optimization (PSO), per calcolare i pesi ideali delle singole previsioni. Tale modello verrà poi applicato alla serie storica di alcuni indici di mercato, i quali rappresentano i più importanti indicatori economici nel mercato finanziario internazionale.

Nell’ambito delle previsioni di serie storiche un approccio alternativo a quello tradizionale fondato sull’utilizzo di un singolo modello consiste nel combinare le previsioni di più modelli allo scopo di cogliere differenti strutture nei dati. Tale approccio, considerando che una serie storica reale è raramente puramente lineare o non lineare, è stato applicato per combinare la previsione ottenuta da un modello lineare ARIMA con quella ottenuta da una rete neurale artificiale non lineare (ANN). Sulla base di simulazioni di serie lineari e non lineari e sulla base di serie storiche finanziarie sono stati valutati e confrontati i seguenti metodi di combinazione: la semplice media, l’approccio “inverse MSFE”, la regressione vincolata, la particle swarm optimization (PSO) e un modello ibrido che, a differenza dei precedenti, non attribuisce un peso a ciascuna previsione ma somma alla previsione della serie storica risultante da un modello ARIMA la previsione dei residui dell’ARIMA risultante da una rete neurale artificiale. Le simulazioni indicano che anche quando la serie è lineare o non lineare la combinazione tra un ARIMA e una ANN mediante la PSO o la regressione fornisce generalmente previsioni più accurate in termini di MSFE rispetto al singolo modello e che se si combinano le previsioni dell’ARMA, dell’ANN e del modello ibrido il grado di accuratezza migliora ulteriormente. I risultati relativi alle serie finanziarie evidenziano invece che il modello ibrido è generalmente migliore rispetto ai singoli modelli e agli altri metodi di combinazione.

In un ambiente dove la complessità e la quantità di informazioni sono in continuo aumento è più che mai necessario dotarsi di strumenti che permettano di gestire tale agglomerato di dati estraendo quella conoscenza intrinseca fonte primaria di vantaggio competitivo. Tale premessa viene confermata nell’ambito del Demand Forecasting, il processo di previsione della domanda futura di un prodotto o servizio offerto. Un’attività chiave che impatta su molteplici funzioni e attività aziendali con particolare riguardo alle azioni di pianificazione di breve e lungo periodo in ottica di ottimizzazione delle decisioni aziendali. In questo elaborato verranno definite le dinamiche di sviluppo, implementazione e valutazione di Proteus; un nuovo sistema di previsione della domanda basato sull’utilizzo di una rete neurale in grado di combinare le informazioni specifiche e di contesto relative alla serie storica e selezionare l’algoritmo più opportuno nella previsione di ciascun codice, fra i 9 algoritmi implementati. Uno strumento di supporto che possa definire una base di analisi in grado di estrapolare le informazioni significative nella valutazione del futuro, lasciando uno spazio di confidenza finale in cui siano le persone, consapevoli delle dinamiche reali, a prendere decisioni. Un progetto svoltosi all’interno di Orogel soc. coop. agricola, azienda leader nella produzione e distribuzione di surgelati a livello nazionale e in forte espansione in ambito internazionale. Un contesto fortemente segnato dall'avvento di una pandemia globale senza precedenti che ha generato la necessità di ripensare un sistema già confidente affinché comprendesse l'accaduto. Una sfida basata sulla comprensione della metodologia più opportuna per valutare le variazioni impattanti sul contesto di riferimento.

Il presente lavoro di Tesi documenta la realizzazione di un software in C# per la simulazione dinamica della redazione del Master Production Schedule - MPS (Piano Principale di Produzione). Il software è nato dalla necessità di avere strumenti informatici efficienti e di facile comprensione che permettessero all'utente – attraverso interfacce chiare e accessi immediati a grafici dinamici, analisi di serie storiche e previsioni di mercato –, di “giocare” una “partita” in un contesto simulato, ma aderente alla realtà, effettuando scelte legate alla pianificazione della produzione in un orizzonte temporale predefinito e di avere un feedback immediato dopo ogni step, oltre che un report finale, sulla bontà delle proprie decisioni. L'obiettivo è quello di mostrare la complessità della pianificazione della produzione in un contesto industriale in cui, sulla base di dati statistici, è necessario sapersi destreggiare. Alla luce di tutto ciò, il software può essere utilizzato per mettere alla prova chiunque si occupi di pianificazione, produzione, operations, previsione della domanda di mercato, logistica, impiantistica, manutenzione dei sistemi produttivi e gestione dei ricambi.

La grande quantità d’informazioni prodotta quotidianamente può non essere sufficiente ad addestrare efficacemente le reti neurali. A volte, inoltre, i dati che si utilizzano devono essere resi anonimi per rispettare le leggi e le normative in merito alla protezione della privacy e dei dati personali. In questo contesto si inseriscono i dati sintetici, informazioni prodotte da un algoritmo di machine learning di tipo generativo in grado di avere le stesse caratteristiche e la stessa distribuzione dei dati originali, rendendoli indistinguibili da quelli reali. Le serie storiche, a causa delle complesse dinamiche e relazioni temporali, non riescono però a essere generate correttamente da algoritmi come le Generative Adversarial Networks o i Variational AutoEncoders: TimeGAN si pone l’obiettivo di produrre dati sintetici realistici di serie temporali. In questa tesi verrà analizzato e testato il suo funzionamento, con l’obiettivo di verificarne la generazione d’informazioni, analizzandone i vantaggi e gli svantaggi.

Questa tesi mira a modellare alcuni aspetti dell'ambiente economico come sistemi complessi e ad analizzare le dipendenze di tali sistemi utilizzando in particolare la Modellazione ad Agenti (ABM) e l'Intelligenza Artificiale. Nel primo capitolo ci proponiamo di modellare le dinamiche del mercato del lavoro con un ABM, prestando particolare attenzione agli effetti che l'istruzione produce nella competizione tra individui in cerca di lavoro e sulla formazione del loro salario. Creiamo due tipi di agenti che interagiscono tra loro e con l'ambiente circostante: i lavoratori e le imprese. La caratteristica principale del modello è che le competenze dei lavoratori sono assegnate casualmente e l'ottenimento di un titolo di studio avviene all'interno del modello in modo endogeno. Anche il livello tecnologico delle imprese è assegnato casualmente, e queste condizioni portano ad ottenere risultati molto simili ad ogni run. Mostriamo che, modificando le condizioni di partenza, in qualsiasi scenario analizzato i lavoratori poco qualificati sono quelli maggiormente penalizzati sia nel tasso di occupazione che nel livello salariale, e sottolineiamo quanto sia importante l'investimento in capitale umano. Controlli di robustezza hanno confermato l'affidabilità dei risultati ottenuti. Nel secondo capitolo presentiamo una Convolutional Neural Network combinata con una Bidirectional Long Short-Term Memory Network (CNN-BiLSTM) per la previsione di variabili macroeconomiche, analizzando 18 serie storiche dell'economia degli Stati Uniti d'America. Nel terzo capitolo, sviluppiamo una Deep Convolutional Generative Adversarial Network (DCGAN) per la previsione del prezzo delle azioni. Considerando sia le previsioni single-step che multi-step, i risultati ottenuti dalle nostre architetture proposte sono promettenti e forniscono risultati migliori rispetto ai modelli econometrici di base considerati, sia nel contesto economico che finanziario. Suggeriamo che l'Intelligenza Artificiale (ed in particolare, il Deep Learning) dovrebbe essere studiata e incorporata maggiormente dagli economisti, poiché riteniamo che possa fornire risultati eccellenti, soprattutto in un'era in cui la disponibilità di dati sta crescendo sempre di più.
This thesis aims to model some aspects of the economic environment as complex systems, and to analyze the dependencies of such systems using in particular Agent-Based Modeling (ABM) and Artificial Intelligence. In the first chapter, we aim to model the dynamics of the labor market with an ABM, paying particular attention to the effects that education produces in the competition between individuals looking for a job and on wage’s formation. We create two types of agents that interact with each other and with the surrounding environment: workers and firms. The main feature of the model is that the workers' skills are randomly assigned and obtaining an educational qualification takes place within the model endogenously. Even the technological level of the firms is randomly assigned, and these conditions lead to obtain very similar results at each run. We show that, by modifying the starting conditions, in any analyzed scenario the low-skilled workers are the ones penalized the most both in the employment rate and in the wage amount, and we stress how important the investment in human capital is. Robustness checks confirmed the reliability of the obtained results. In the second chapter, we propose a Convolutional Neural Network combined with a Bidirectional Long Short-Term Memory Network (CNN-BiLSTM) for the forecasting of macroeconomic variables, analyzing 18 time series about the economy of the United States of America. In the third chapter, we develop a Deep Convolutional Generative Adversarial Network (DCGAN) for stock price forecasting. Considering both single-step and multi-step forecasts, the results obtained by our proposed architectures are promising and improve upon the considered baseline econometric models, both in the economic and financial context. We suggest that Artificial Intelligence (and in particular, Deep Learning) should be investigated and incorporated more by the economists, as we believe it can deliver excellent results, especially in an era where big data availability is growing more and more.

Nell’ambito di questa ricerca sono stati sviluppati modelli in grado di prevedere le dimensioni dei grani dopo il processo di estrusione di alcune leghe serie 6XXX, in particolare AA6060, AA6063 e AA6082. Alcuni modelli matematici proposti in letteratura sono stati presi in considerazione e implementati su Qform, codice FEM in grado di simulare processi di deformazione plastica. Sono state condotte diverse campagne sperimentali, tra cui una di visioplasticità necessaria per ottenere dati sperimentali che permettessero la validazione del Codice (modellazione dell’attrito, dello scambio termico, del flow stress del materiale). Altre prove di microestrusione ed estrusione inversa hanno fornito dati sperimentali che sono stati messi in correlazione con i risultati numerici di una serie di simulazioni. Infine è stata effettuata una campagna sperimentale di estrusione industriale a tutti gli effetti, ottenendo un profilo dalla geometria piuttosto complessa in lega AA6063, i dati ricavati hanno permesso : • la validazione di un modello unico di ricristallizzazione dinamica, • la valutazione di modelli per la predizione del comportamento durante recristallizzazione statica
Within this research models have been developed able to predict the size of the grains after the extrusion process some 6XXX series alloys, in particular AA6060, AA6063 and AA6082. Some mathematical models proposed in the literature have been considered and implemented on QFORM, FEM code capable of simulating plastic deformation processes. They were conducted various experimental campaigns, including a visioplasticità necessary to obtain experimental data that would allow the validation of the code (modeling of friction, the heat exchange, the flow stress of the material). More evidence of microextrusion and inverse extrusion have provided experimental data that has been correlated with the numerical results of a series of simulations. Finally was carried out an experimental campaign of industrial extrusion in effect, getting a profile from the rather complex geometry in AA6063 alloy, the data obtained have allowed: • validation of a unique model of dynamic recrystallization, • the evaluation of models for predicting the behavior during static recrystallization

L'obiettivo di questa tesi è quello di proporre il sottotitolaggio di due puntate della serie storica russa Ekaterina, trasmessa in Russia a partire dal 2014 e distribuita a livello internazionale da Prime Video. La tesi sarà articolata in quattro capitoli. Il primo capitolo offrirà una panoramica sulla traduzione audiovisiva e sul sottotitolaggio, concentrandosi in particolare sugli aspetti tecnici, linguistici ed extralinguistici da prendere in considerazione durante la realizzazione dei sottotitoli. Il secondo capitolo analizzerà le caratteristiche principali delle serie televisive, la loro storia e l'evoluzione delle serie russe in seguito alla caduta dell'Unione Sovietica. L'ultima parte del capitolo sarà dedicata a uno studio approfondito del genere storico. Il terzo capitolo presenterà la biografia e le rappresentazioni cinematografiche di Caterina la Grande, oltre che le caratteristiche principali e le maggiori imprecisioni storiche di Ekaterina. Nel capitolo saranno inserite anche una breve sinossi delle tre stagioni della serie e una sinossi più dettagliata delle prime due puntate. Il quarto capitolo sarà dedicato al commento ai sottotitoli realizzati per le puntate. Innanzitutto, l'analisi prenderà in considerazione i vincoli di spazio e di tempo osservati durante la produzione dei sottotitoli; poi descriverà le strategie di riduzione testuale utilizzate per rispettare tali vincoli. Infine, nel commento saranno affrontati gli aspetti linguistici e i riferimenti culturali presenti nelle puntate e saranno spiegate le soluzioni adottate per tradurli in italiano.

Estrapolazione dati riguardanti le altezze di precipitazione dagli Annali Idrografici, relativi a 34 stazioni pluviometriche della Romagna. Elaborazione ed analisi di istogrammi che rappresentano le altezze di precipitazione annuale delle stazioni, dal 1924 al 2014, con l’aggiunta di grafici inerenti il totale delle precipitazioni mensili, con relativa linea di media. Utilizzo del test di Mann-kendall attraverso il quale si è tracciata la linea di tendenza, per ogni singola stazione, con calcolo successivo della pendenza di Sen e del p-value. Valutazione stazioni con p-value molto piccoli (Brisighella, Predappio, Strada San Zeno, San Benedetto in Alpe), attraverso i totali stagionali, e successivo istogramma, utile per verificare l'effettiva coerenza tra il trend annuale e quello stagionale. Considerazioni finali sui trend significativi.

Le attuali missioni satellitari che forniscono immagini nella regione spettrale dell'infrarosso termico (TIR) e con una risoluzione spaziale di 60-100 metri, permettono la stima della temperatura del suolo (LST) e sono capaci di evidenziare anomalie termiche, aree cioè dove la temperatura superficiale ha un valore significativamente diverso da quella di background. Le anomalie termiche sono potenzialmente legate a fonti di energia presenti nel sottosuolo o ad una modifica dell’uso e della sua copertura come ad esempio le aree urbane dove è possibile osservare il fenomeno delle isole di calore (UHI). Il presente lavoro di dottorato vuole analizzare a questi due campi. Sono stati condotte due tipi di analisi su due casi di studio. La prima è l’individuazione di anomalie termiche su aree geotermicamente attive (vulcaniche e non). La seconda è focalizzata sull’identificazione dell’UHI. Entrambe le analisi sono basate sulle serie storiche di LST ottenute da dati satellitari. Nel primo studio, le serie storiche dei sensori ASTER e TIRS/Landsat 8 sono state elaborate utilizzando due diverse metodologie: l’algoritmo Temperature and Emissivity Separation (TES) per ASTER e il Single Channel Algorithm (SCA) per Landsat 8. Sono state ottenute due serie storiche LST e i risultati sono stati confrontati e validati con misure a terra. TES e SCA sono metodologie note e sono state applicate su due siti con differenti caratteristiche geologiche: l'area vulcanica dei Campi Flegrei e l'area geotermica del Parco delle Biancane. Il secondo caso di studio ha riguardato la caratterizzazione dell’UHI della città di Modena. L'analisi è basata sull’utilizzo delle serie temporali di LST di immagini TIRS / Landsat 8 ottenute tramite la metodologia SCA. In entrambi i casi di studio l’identificazione dell’anomalia termica è basata sull’analisi delle componenti principali (PCA) sulle serie temporali di LST. Nello studio dell’UHI è stato inoltre considerato un secondo metodo, la Differenza Normalizzata delle temperature. I risultati ottenuti da questi studi hanno fornito alcune importanti considerazioni: - Le metodologie usate per ottenere la stima di LST producono una buona stima di temperatura anche in aree molto particolari dove sono presenti anomalie geotermiche e sono utilizzabili per l’analisi dell’andamento di temperatura dell’aria vicino al suolo; - L’individuazione delle anomalie termiche basate sull’analisi delle serie storiche di LST sono spesso affette da un trend stagionale. Il metodo della PCA offre una buona e facile soluzione per evitare questo problema producendo una mappa molto ben dettagliata delle anomalie termiche in entrambe le aree geotermiche e nelle aree urbane (UHI); - I due casi di studio rappresentano due ulteriori dimostrazioni della potenzialità delle osservazioni satellitari nella regione dell’infrarosso termico per applicazioni di tipo ambientale.
Current satellite missions, providing imagery in the Thermal InfraRed (TIR) spectral region at 60-100 meters of spatial resolution, give the possibility to estimate the land surface temperature (LST) and highlight the main surface thermal anomalies, i.e. areas where the surface temperature has a value significantly different from the background. Thermal anomalies are potentially related to the underground energy sources or to land use and coverage variations as urban areas where the urban heat island (UHI) phenomenon can be observed. This work wants to fit in these two fields. Two separate analysis on two case studies were carried out. The first is the detection of thermal anomalies on geothermal active areas (volcanic or not). The second focuses on the detection of UHI. Both the analyses are based on remote sensing LST time series. In the first study, ASTER and TIRS/Landsat 8 time series have been processed using two different methodologies: Temperature and Emissivity Separation (TES) algorithm for ASTER and Single Channel Algorithm for Landsat 8 (SCA). Two LST time series have been obtained and results are cross-compared and validated with ground measurements. TES and SCA are well-known methodologies and have been used to evaluate LST on two different test sites with different geological features: the volcanic area of Campi Flegrei and the geothermal area of Parco delle Biancane. The second case study has been addressed to the characterization of the UHI of the city of Modena. The analysis is based on TIRS/Landsat 8 image time series processed using the SCA methodology. In both the case studies the thermal anomaly detection is based on the principal component analysis (PCA) of the LST time series. In the UHI study a second method, the Normalized Temperature Difference, has been also considered. The results of these studies furnished some important consideration: - The methodologies used to obtain LST produce good temperature estimates also in the very particular case of geothermal anomalies and usable for near ground air temperature trends analysis; - Thermal anomalies detection based on LST time series is often affected by seasonal trends. The PCA method offers a good and easy way to avoid this problem producing very detailed maps of thermal anomalies both in geothermal areas and in urban areas (UHI); - The two case studied represent two more demonstration of the potentiality of satellite observations in TIR for environmental applications.

Il percorso affrontato parte dall’analisi di serie storiche relative ai volumi complessivi di ore ordinarie e straordinarie lavorati mensilmente, entrambi ricavati sia dal database di Lavoropiù s.p.a., che dal sito di statistica italiana ISTAT. L’obiettivo, raggiunto, è verificare se, nonostante il territorio ristretto cui i dati dell’agenzia fanno riferimento, Lavoropiù può essere scelta come campione nazionale in quanto influenzata allo stesso modo dai medesimi fattori. Per farlo, sono state utilizzate procedure standard per la normalizzazione e la rielaborazione di dati in merito a trend e stagionalità; infine sono stati scelti particolari indici statistici per rendere possibile il confronto tra i modelli risultanti.

La presente tesi consiste nella proposta di sottotitolaggio verso l’italiano del primo episodio della serie televisiva spagnola "El final del camino". È una serie appartenente al genere storico, ambientata in Spagna durante il medioevo, sotto il regno di Alfonso VI. È incentrata nelle vicende correlate alla costruzione della maestosa cattedrale di Santiago di Compostela che fa da sfondo al susseguirsi degli eventi. È un prodotto adatto per un progetto di tesi in quanto offre numerosi spunti di analisi, soprattutto da un punto di vista linguistico. L’idea di lavorare con questa tecnica di traduzione audiovisiva nasce da una forte passione per il sottotitolaggio, una tecnica affascinante e particolare che permette al pubblico di avvicinarsi alla cultura di origine, ad un mondo lontano e sconosciuto, dal momento che i sottotitoli non vanno a sostituire l’audio in lingua originale, ma questi due elementi coesistono. A livello strutturale, l’elaborato è suddiviso in quattro parti. Il primo capitolo introduce le serie televisive e si focalizza sul genere storico, di cui si evidenziano le peculiarità e il grande successo che tale genere ha riscosso negli ultimi anni, soprattutto in Spagna. Nel secondo capitolo viene illustrata nel dettaglio la serie "El final del camino", si presentano i personaggi principali e ci si concentra sulle tre varietà linguistiche presenti: diacronica, diatopica e diastratica. Il terzo è un capitolo teorico sulla tecnica del sottotitolaggio, dove si analizzano le caratteristiche principali, le convenzioni e i nuovi impieghi di tale pratica, come l’utilizzo nell’ambito dell’apprendimento di una lingua straniera. Infine, nel quarto capitolo si riporta il commento alla proposta di sottotitolaggio e si spiegano le principali problematiche e difficoltà incontrate durante la fase traduttiva, dal punto di vista tecnico e linguistico, e le strategie e soluzioni adottate, attraverso degli esempi pratici.

Il presente lavoro di tesi riguarda lo studio e l'impiego di architetture neurali profonde (nello specifico stacked denoising auto-encoder) per la definizione di un modello previsionale di serie temporali. Il modello implementato è stato applicato a dati industriali riguardanti un impianto fotovoltaico reale, per effettuare una predizione della produzione di energia elettrica sulla base della serie temporale che lo caratterizza. I risultati ottenuti hanno evidenziato come la struttura neurale profonda contribuisca a migliorare le prestazioni di previsione di strumenti statistici classici come la regressione lineare multipla.

Questo studio si basa sui consumi idrici in ambito residenziale e sulle serie storiche pluviometriche della regione Emilia Romagna al fine di ottenere degli abachi per il dimensionamento efficiente dei serbatoi di accumulo degli impianti per il recupero e il riuso delle acque meteoriche. Si inserisce all'interno del progetto di ricerca regionale GST4WATER, finanziato nell'ambito dei progetti POR-FESR 2014-2020, per l'uso sostenibile della risorsa idrica. Dopo un'accurata analisi dei consumi e dei dati reperiti relativi all'altezza di precipitazione degli ultimi 26 anni di 12 città della regione, vengono fissate le variabili (serie pluviometrica, area di captazione, domanda d'acqua, capienza serbatoio) al fine della modellazione numerica. Attraverso l'uso del software EPA SWMM 5.1 si procede con la simulazione delle 720 combinazioni diverse. Le informazioni così ottenute vengono sintetizzate in grafici suddivisi in funzione della domanda idrica da soddisfare per poi essere riassunti in un unico abaco attraverso l'uso di grandezze specifiche (funzioni dell'area di captazione). Questi abachi permettono il dimensionamento, in funzione del livello di efficienza, dei serbatoi di accumulo delle acque meteoriche. Altri dati importanti forniti dalla modellazione numerica riguardano il livello di beneficio ambientale derivante dall'installazione di tali manufatti. Vengono, inoltre, valutati i costi e i tempi di ammortamento relativi all'installazione di questi impianti per il recupero e il riuso delle acque meteoriche. L'intero lavoro svolto permette lo sviluppo di un foglio di calcolo per il dimensionamento dei serbatoi di accumulo attraverso l'inserimento di pochi dati di progetto.

Oggetto di questa tesi è la proposta di adattamento in italiano del primo episodio della serie spagnola Isabel, prodotta da Diagonal TV e trasmessa nella televisione spagnola sulla rete La1 dal 2012 al 2014. La serie tratta della vita della regina Isabella di Castiglia a partire dagli anni dell’infanzia sotto il regno del fratello, alla proclamazione a regina e infine alla morte. Il presente elaborato si compone di quattro capitoli. Nel primo capitolo, il lettore troverà una definizione di doppiaggio, la sua storia, le fasi che lo compongono, le norme a cui fare riferimento durante l’adattamento e le caratteristiche su cui porre attenzione durante l’adattamento di varietà diacroniche. Il secondo capitolo tratta della vita di Isabella di Castiglia, dei prodotti audiovisivi in cui appare il suo personaggio, oltre a un’analisi del genere storico all’interno delle serie televisive e una presentazione della serie Isabel e le sue caratteristiche. Nel terzo capitolo è presente un’analisi dello spagnolo del XV e XVI secolo, seguito da un’analisi dello spagnolo ricreato nella serie in esame, un’analisi dell’italiano medievale e infine dell’italiano ricreato in film e serie televisive italiane e doppiate in italiano. Il quarto e ultimo capitolo presenta una descrizione del processo di traduzione, adattamento e redazione del copione finale, seguito dall’analisi di alcuni esempi in cui è stato necessario effettuare modifiche dovute a diversi tipi di sincroni.

2015 - 2016
In several engineering fields, it is of great interest the development of models able to produce forecasts of univariate time series; these models are based on the statistical analysis of the sequence of observed data equidistant in time. The techniques implemented in this thesis can be classified in two distinct types, different but complementary: the first method is based on the analysis of the observed time series composed by measurements under study, the other method is based on Poisson's distributions for events of exceedance of a defined threshold. The validity of such models has been tested on a noise dataset collected in the city of Messina. The measurements are based on day and night noise levels, detected at a monitoring station set up by the local government and made public on a special web platform. From this set of data, several intervals have been extracted for the calibration of the models, in order to test the validity on real measurements (by means of comparison between the observed and predicted data) and to study the sensitivity with respect to variation of the parameters (reference threshold, frequency of events, periodicity of the series, etc.). The first adopted techniques, used to analyse the time series, are based on deterministic decomposition methods: the observed sequences are divided in trend and seasonal components. In this field, an enhancement of the preliminary forecasting model has been obtained: in particular, a set of electricity consumption data has been studied. This time series of absorbed electricity is due to the public transport system of the city of Sofia (Bulgaria): the main enhancement achieved is the improving of the extracted information from the series thanks to the introduction of an additional coefficient of seasonality. Later, seasonal stochastic models were adopted, of the auto-regressive moving average (SARIMA) type. Therefore, the research focused on the implementation of predictive models of stochastic type: the seasonal ARIMA was applied to the prediction of wind speed in a site where a wind farm for the production of electricity is installed. Subsequently, acoustical models have been applied for the prediction of noise produced by the turbines under certain wind speed conditions. A detailed investigation was performed with the aim to improve the integration of linear and non-linear forecasting techniques using artificial neural networks. In particular, one of the more advanced predictive model based on time series analysis is a hybrid model that uses in cascade deterministic methods, based on the decomposition of the series into trend and seasonal components, followed by a modelling via artificial neural networks for a better prediction of the non-linear part of the series. A predictive model, useful to study events of exceedance of noise thresholds, has also been implemented. This model is based on the assumption that the exceedance events are distributed according to a nonhomogeneous Poisson distribution. This approach can be pursued both with frequentist techniques or using Bayesian estimation of the parameters of the "Probability Density Function" (PDF). In particular, it has been studied a sound levels dataset measured near the international airport of Nice (France). The adopted model introduces the single "change-point" methodology for the estimation of the distribution parameters. These parameters have been estimated through a Markov-Chain Monte-Carlo sampling based on Bayesian statistical assumptions. [edited by author]
In diversi ambiti ingegneristici risulta di grande interesse lo sviluppo di modelli atti a produrre previsioni di serie storiche univariate mediante l’analisi della successione di dati osservati equidistanti nel tempo. Le tecniche implementate nel presente lavoro di tesi possono essere classificate in due distinte tipologie, differenti ma complementari: una basata sull’analisi delle serie storiche delle misure di interesse, l’altra su distribuzioni di Poisson per gli eventi di superamento di una soglia stabilita. La validità di siffatti modelli è stata testata su un set di dati di rumore raccolti nella città di Messina. Le misurazioni si riferiscono a livelli acustici diurni e notturni, rilevati presso una stazione di monitoraggio predisposta dall’amministrazione locale e resi pubblici su apposita piattaforma web. Da questo set di dati, sono stati estratti diversi intervalli per la calibrazione dei modelli, al fine di testarne la validità su misurazioni reali (mediante confronto tra dato osservato e dato previsto) e di studiare la sensibilità rispetto alla variazione dei parametri (soglia di riferimento, frequenza degli eventi, periodicità, ecc.). Per l’analisi delle serie storiche sono state sviluppate tecniche classiche basate sulla decomposizione deterministica nelle componenti di trend e stagionali di una sequenza di dati osservata. Si è in seguito ottenuto un potenziamento del modello di previsione e analisi delle serie storiche: in particolare si è analizzato un set di dati di assorbimento di energia elettrica dovuto al sistema di trasporto pubblico della città di Sofia, migliorando l’estrazione di informazioni dalla serie e le prestazioni grazie all’introduzione di un ulteriore coefficiente di stagionalità. Successivamente sono stati adottati modelli stocastici stagionali auto-regressivi a media mobile (SARIMA); dunque ci si è concentrati sull’implementazione di modelli previsionali stocastici del tipo Seasonal ARIMA applicati alla previsione della velocità del vento in un sito dove è installato un impianto per la produzione elettrica mediante aerogeneratori. In seguito si sono applicati modelli per la previsione dell’inquinamento acustico prodotto dal parco eolico investito da vento ad una certa velocità. Si è inoltre migliorata l’integrazione di tecniche previsionali lineari e non lineari mediante reti neurali artificiali; in particolare lo stato dell’arte per i modelli previsionali basati sull’analisi di serie storiche si è raggiunto con un modello ibrido basato sull’utilizzo in cascata di metodi classici deterministici basati sulla scomposizione della serie in componenti di trend e stagionalità seguiti da modellazione tramite reti neurali artificiali per una migliore previsione della parte non lineare della serie. È stato inoltre implementato un modello di previsione per eventi di superamento di soglie di inquinamento acustico. Tale modello è basato sull’assunzione che gli eventi di superamento sono distribuiti secondo una distribuzione di Poisson non omogenea. Questo approccio può essere a sua volta perseguito con tecniche frequentiste o bayesiane per la stima dei parametri della “Probability Density Function” (PDF). In particolare è stato studiato un dataset di misurazioni fonometriche acquisite in prossimità dell’aeroporto internazionale di Nizza (Francia): il modello previsionale realizzato prevede l’introduzione della metodologia “change-point” singolo per la stima dei parametri della distribuzione. Tali parametri sono stati stimati grazie al campionamento Monte-Carlo Markov-Chain basato su assunzioni di statistica bayesiana. Infine si è studiato un potenziamento di questo modello previsionale applicandolo al set di dati di rumore acustico misurati nella città di Messina: tale serie storica è stata prima ricostruita integralmente tramite le tecniche previsionali studiate in precedenza e dopo si è applicato il modello bayesiano basato sulla distribuzione di Poisson utilizzando “change-points” multipli. [a cura dell'autore]
XV n.s. (XXIX)

Il lavoro presenta una sistematizzazione dei numerosi contributi apparsi in letteratura sui modelli di analisi delle serie storiche di tipo ARCH (ad eteroschedasticità condizionata di tipo autoregressivo), introdotti da Engle nel 1982. Successivamente viene proposta una analisi empirica di un certo numero di serie storiche di prezzi azionari quotati alla Borsa di Milano.

Questa tesi è volta ad investigare due importanti fenomeni, uno naturale ed uno umano. Il primo riguarda i terremoti, mentre il secondo è legato al contenuto dei discorsi ufficiali dei presidenti americani. Per il primo caso, il nostro obiettivo è quello di definire un indicatore dei danni economici causati dai terremoti, proponendo un indice calibrato su una lunga serie di magnitudo rilevate in lunghi periodi di tempo. Mentre per il caso dei discorsi presidenziali, vogliamo quantificare il loro impatto sul mercato finanziario, in particolare studiamo l’effetto che essi hanno sull’indice “Standard and Poor’s 500”. Il nostro obiettivo principale è quello di contribuire nell’ambito delle scelte di politica economica prendendo in considerazione tali fenomeni ed analizzandoli con un approccio diverso ed innovativo. L’analisi esposta in questa tesi è sviluppata per mezzo di strumenti econofisici strettamente collegati all’ambito dell’analisi “rank-size”. Tale analisi consiste nell’uso di una serie di funzioni particolarmente utili per l’esplorazione delle proprietà di grandi dataset, anche quando essi sono distribuiti nel tempo e hanno bande di errore non perfettamente definite per via di particolari condizioni di campionamento. Nei capitoli che riguardano i terremoti così come in quelli dedicati all’analisi dei discorsi dei presidenti americani sono mostrati e commentati i risultati di regressioni non lineari impiegate per stimare i coefficienti di varie leggi “rank-size”. Tali stime sono state manipolate in modo tale da poter giungere a conclusioni dal rilievo economico. I risultati più robusti sono stati raggiunti grazie alla straordinaria capacità di interpretare i dati da parte delle leggi “rank-size”. Nell’ambito della valutazione dell’impatto economico dei discorsi presidenziali, un’analisi aggiuntiva è stata svolta valutando diverse distanze tra serie storiche. In particolare considerando la serie storica delle parole semanticamente legate all’economica e pronunciate dai presidenti americani nel corso della storia e le serie storiche del volume, dei prezzi e dei rendimenti dell’indice “Standard & Poor's 500”. Per questa analisi abbiamo impiegato un approccio probabilistico ed anche uno meramente topologico. Infatti abbiamo misurato l’entropia delle serie storiche e comparato le conclusioni valutando le differenze fra diverse misure di distanza vettoriale.