Il motore statistico, spiegato

Spina dorsale — un modello lineare (OLS) con stagionalità esplicita (un effetto per ogni mese), trend e una variabile per gli anomali mesi COVID (2020-2021).

Il segnale anticipatore — un «basket» di interesse di ricerca (Google Trends), pesato per il valore economico di ciascun mercato, spostato indietro del numero di mesi (0-4) a cui anticipa meglio le presenze (trovato per correlazione su serie deseasonalizzate).

Nel motore del portale (tourism_wedge/engine_aggregate.py): OLS (libreria statsmodels), un solo modello indipendente per ciascuna regione.

Testate, non scelte — queste alternative sono state implementate e misurate nel prototipo Streamlit precedente (tdhlib.py: project_seasonal_best le fa gareggiare con l'OLS in un backtest rolling-origin, partial_pool_slopes fa il partial pooling fra regioni, e il vecchio cruscotto app.py ne mostra l'esito nella Scheda Regione). I bake-off sui dati reali (bakeoff.py, bakeoff_natl.py; dettagli nel README, sezione «Motore statistico») mostrano che i modelli più complessi non battono di norma la naive stagionale per queste serie: per questo non sono (ancora) migrate nel motore del portale.

SARIMAX — utile se una serie regionale diventa lunga e stabile abbastanza da avere una stagionalità propria distinta dal trend nazionale (oggi l'OLS basta).

ETS / Holt-Winters — più semplice di SARIMAX, da provare se l'OLS smette di battere il modello naive su qualche regione.

UCM (stato latente), Theta, STL+ARIMA — alternative da confrontare con un backtest rolling-origin se emergono regioni con andamenti che l'OLS non cattura bene.

partial pooling fra regioni (empirical-Bayes) — utile per le regioni con serie corte o rumorose (poche presenze estere), dove conviene tirare il trend locale verso la media nazionale invece di stimarlo da solo.

La relazione fra il basket di ricerca e le presenze è trattata come lineare: il modello non cattura effetti a soglia o accelerazioni improvvise.

L'orizzonte della previsione è limitato al lag trovato (0-4 mesi): il modello non si spinge oltre quanto il segnale anticipa davvero.

Barriera di onestà: si pubblica una previsione solo se batte il modello naive stagionale (ripetere lo stesso mese dell'anno prima) in un backtest; altrimenti la pagina lo dichiara, non stima comunque un numero.

Punteggio trasparente, non un modello stimato: score = max(forza_anticipatrice, 0) × momentum × peso_economico × fattibilità.

Forza anticipatrice = correlazione fra ricerca e presenze al lag migliore (lo stesso calcolo della previsione). Momentum = variazione dell'interesse di ricerca recente contro lo stesso periodo un anno prima. Peso economico = spesa reale per mercato (Banca d'Italia) o stimata. Fattibilità = connettività aerea (1.0 se ci sono voli diretti, 0.5 altrimenti, salvo dato reale Eurostat).

Non è una previsione: non stima quante presenze in più porterebbe investire su un mercato.

Non è una stima causale della spesa promozionale: ordina i mercati su cui guardare, non promette un ritorno sull'investimento.

Nessuna alternativa è in valutazione per questo pezzo: è un calcolo deterministico sulle quattro grandezze, non un modello da sostituire con uno "migliore" nello stesso senso della previsione.