Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Tecniche statistiche per effettuare previsioni economiche: un caso di studio

Il testo, in lingua inglese, presenta nella prima parte una sintesi di tecniche statistiche utilizzabili in ambiti di ricerca economica e di marketing aziendale. L'obiettivo della ricerca è quello di presentare, attraverso un caso concreto, la costruzione di un modello statistico in grado di prevedere il prezzo di un bene (carne di pollo in questo caso) soggetto a contrattazioni settimanali da parte degli operatori del settore alimentare sul principale mercato avicunicolo nazionale, quello di Forlì.
In pratica, la presente tesi dimostra come sia possibile stimare in maniera abbastanza accurata il prezzo della carne di pollo con una settimana di anticipo basandosi solo sulla serie storica dei dati di quel bene (rilevazioni settimanali dal 1983 al 1999).
La tecnica statistica più accurata che viene presentata in dettaglio nella tesi è quella nota con il nome di ARIMA (Autoregressive Integrated Moving Average Process).

Mostra/Nascondi contenuto.
Moschini Cristiano MSc in Agribusiness Management __________________________________________________________________________________________________________________ 7 INTRODUCTION Forecasting the future value of key variables is an integral part of the decision-making activities of management. Organisations establish goals and objectives, seek to predict environmental factors and then select actions that they hope will result in their attainment. A wide variety of forecasting methods is available to management. These range from the most naïve methods, such as use of the most recent observation as a forecast (naïve expectations), to highly complex approaches, such as an econometric estimation of a system of simultaneous equations. The purpose of this paper is to examine two techniques that can be used to forecast, particularly, in the short-run period using very limited data resources. This report then presents and attempt to build forecasting models, using a time series of data of the Italian poultry market of Forli’. Models can be built in different ways, depending on the data gathered and the statistical tools used, statistical tools which allow the prediction of future movements in a variable (i.e. price) by solely analysing its past behaviour are demonstrated. In other words, models are constructed for the time series which do not offer structural explanation for the series’ behaviour in terms of other variable (e.g. using regression models) but which replicate their past behaviour in a way that may help me to forecast their future movements. These models are built by the application of statistical techniques, namely Exponential Smoothing and ARIMA modelling, available in software such as SPSS Trends and Microfit, which I have largely used in my analyses. This report begins with a critical review of the statistical techniques mentioned above in Chapter I and II. Chapter III deals with the practical application of the exponential smoothing technique to a series of data of the Italian Poultry Market of Forli’ while Chapter IV shows the

Tesi di Master

Autore: Cristiano Moschini Contatta »

Composta da 49 pagine.

 

Questa tesi ha raggiunto 3401 click dal 20/03/2004.

 

Consultata integralmente una volta.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.