I modelli autoregressivi, noti anche come modelli AR, sono una classe di tecniche predittive utilizzate nell'analisi delle serie temporali. Il termine autoregressivo deriva dal modello matematico e si riferisce alla proprietà di un predittore di poter prevedere il proprio output. Questa tecnica specializzata si basa sul presupposto che l’output corrente di un sistema possa essere previsto in base al suo comportamento passato.
I modelli autoregressivi spesso operano impiegando un modello matematico che presuppone che ogni output in un sistema nel corso di un periodo temporale sia correlato agli output nei periodi di tempo precedenti. Un modello AR potrebbe richiedere l'inserimento degli ultimi 200 giorni di mercato azionario o dei dati di vendita mensili durante un periodo di vendita. Il modello crea quindi una previsione numerica o previsione dai dati, che può essere utilizzata per sviluppare strategie per la previsione futura.
L'applicazione dei modelli autoregressivi è ad ampio raggio, ad esempio nel riconoscimento vocale, nelle previsioni economiche e nelle previsioni meteorologiche. Grazie alla sua vasta portata, questo modello è diventato popolare nel mondo dell’informatica. Nello specifico, i modelli AR sono stati utilizzati per bilanciare la domanda e l’offerta nei sistemi di inventario multilivello.
In sintesi, i modelli autoregressivi sono una tecnica di scienza dei dati in cui l’output corrente di un sistema viene previsto in base al suo comportamento passato. Ciò si ottiene impiegando un modello matematico che presuppone che ogni output in un sistema in un periodo temporale sia correlato agli output nei periodi di tempo precedenti. I modelli autoregressivi sono stati utilizzati in una varietà di settori, dalla produzione all’economia e alle previsioni meteorologiche, e sono diventati sempre più popolari grazie alla loro vasta portata e applicazione nel campo dell’informatica.
