Forecasting di serie temporali in ambito automotive = Forecasting of time series in the automotive domain

La previsioni delle vendite nel mercato automotive sono uno strumento fondamentale per vari settori dell’industria: marketing, product planning, pricing, ecc. In questo periodo generare delle predizioni affidabili è complesso a causa degli effetti della pandemia e della crisi dei semiconduttori. L’obiettivo di questa tesi è stato proprio lo studio di vari modelli predittivi usati per generare forecast mensili a medio termine applicati su due scenari: le vendite a credito totali in Messico e le vendite in Germania a livello di modello d’auto. Nel primo caso sono state impostate e messe a confronto 5 metodologie diverse e sono stati utilizzati i dati delle vendite a credito forniti da JATO dal 2010 ad oggi, che possono essere disaggregati per settore della compagnia di credito e stato dell’auto (nuovo o usato). Sono state generate le previsioni con dei modelli rolling forecast con orizzonte di 6 mesi. Per ottenere le predizioni è stato incluso un regressore esterno: le vendite totali e le predizioni delle vendite totali fornite da un’altra azienda. Il primo approccio utilizzato è stato l’uso del tool Prophet basato sui modelli additivi generalizzati. Nel secondo sono stati utilizzati i modelli nello spazio degli stati ETS, nel terzo un modello ibrido basato su un modello di regressione lineare tra il trend delle vendite a credito e il trend delle vendite totali e l’utilizzo della stagionalità estratta con il modello ETS. Il quarto approccio è stato l’utilizzo di un framework bayesiano BSTS. Da questi metodi sono stati ottenuti due ulteriori modelli, il primo media i forecast dei primi tre approcci e il secondo include nella media il metodo BSTS con un peso maggiore. Sono stati utilizzati dei rolling test con origine nel periodo 2018-2019 e nei mesi 08-2020 a 08-2021 per il tuning delle metodologie e per la valutazione di strategie per utilizzate per limitare l’effetto del Covid sulle performance delle predizioni. Infine è stato effettuato un test sul periodo 09-2021/04-2022 per la validazione. Le performance migliori per le vendite a credito si sono ottenuti con i due metodi che utilizzano la media con un MAPE medio dell’8% che in un periodo così complesso è un buon risultato. Per le vendite in Germania i dati forniti da Jato hanno permesso di creare una struttura delle vendite mensili gerarchica: vendite totali, vendite per segmento, vendite per modello. L’obiettivo finale era testare le performance per ogni modello appartenenti ad un basket di 9 auto su un orizzonte di 6 mesi. Si è scelto di utilizzare un modello diviso in due parti: nella prima parte veniva usato un framework che ottimizza le previsioni generate dai modelli ARIMA sfruttando le informazioni sulla gerarchia. Nella seconda parte si genera un forecast sul singolo modello d’auto appartenente al basket di mercato ristretto in modo da sfruttare dei regressori ottenuti dalle predizioni della prima fase, ad esempio la serie temporale delle vendite del basket. Inoltre in questa fase viene incluso come regressore l’andamento del prezzo dell’auto. Per questa seconda parte dopo vari test effettuati su un basket di prova si è scelto di utilizzare la media di due approcci già utilizzati nel primo scenario Bsts e l’ibrido. La validazione per i 9 modelli è stata effettuata con un test rolling origin sul periodo 2018-2021. Per valutare le performance è stato effettuato un confronto con gli errori dei forecast emessi da un’azienda di riferimento in questo ambito, e per tutti i 9 modelli i livelli di errore sono risultati comparabili.