Progetti di sviluppo 2024 di PricePedia

Con la versione V4, PricePedia ha fatto un salto qualitativo nella facilità d'uso della piattaforma e nelle funzionalità disponibili. Grazie alla politica commerciale prezzo garantito, tutti gli abbonati precedenti al 2023 possono beneficiare dei miglioramenti PricePedia, mantenendo invariato il prezzo del loro abbonamento. Anche il 2024 sarà un anno di forti innovazioni, che si svilupperanno lungo 4 direzioni:

• PricePediaGPT: è un chatbot sviluppato tramite ChatGPT, in grado di conversare con gli utenti su temi riguardanti i prezzi e i mercati dei materiali d'acquisto;
• allargamento della basi dati, tramite l'inserimento di nuovi set di dati riguardanti sia i mercati finanziari che i mercati fisici;
• allargamento dello scenario di previsione a tutti i prezzi doganali UE monitorati;
• aggiunta di nuove funzionalità di data visualization e nuovi strumenti statistici per l'estrazione di informazioni da dati numerici.

PricePediaGPT

L'anno scorso, ChatGPT ha introdotto al grande pubblico le potenzialità dei Large Language Models (LLM), ovvero sistemi avanzati di Intelligenza Artificiale Generativa capaci di interagire con gli utenti in linguaggio naturale. La nuova frontiera è ora l'applicazione dell'Intelligenza Artificiale Generativa per analizzare set di dati specifici.
In questo contesto, il magazine PricePedia rappresenta una fonte ideale per esplorare le capacità di estrazione di informazioni tramite conversazioni in linguaggio umano. I quasi 1500 articoli pubblicati sul magazine PricePedia negli ultimi cinque anni offrono una risorsa testuale preziosa, fornendo insight dettagliati sulle dinamiche dei prezzi e sulle caratteristiche dei vari mercati delle commodity.
Il team di informatici di PricePedia ha già sviluppato una estensione dell'ambiente ChatGPT che, a fronte di una domanda da parte dell'utente, è in grado di cercare gli articoli Pricepedia che trattano l'argomento, fornendo all'utente una risposta in linguaggio umano, basata sulla sintesi del loro contenuto.
Questo strumento mira a rendere l'analisi dei mercati delle commodity e le informazioni sui relativi prezzi più facilmente accessibile, permettendo agli utenti di ottenere risposte dettagliate attraverso un'interfaccia conversazionale intuitiva.

Allargamento della base dati

Le fonti da cui provengono i dati sui prezzi delle commodity distribuiti da PricePedia sono sostanzialmente due: i mercati finanziari regolamentati e gli uffici di statistica dei diversi paesi del mondo.

Mercati finanziari regolamentati

Attualmente nella sezione Daily Data Prices sono disponibili in PricePedia i prezzi spot e i prezzi future pubblicati giornalmente da 6 mercati regolamentati:

• London metal Exchange (LME): è uno dei più grandi mercati dei metalli non ferrosi al mondo. Rappresenta un caso particolare per l'importanza che ha nella chiusura dei contratti la consegna fisica dei metalli, agevolata dai diversi magazzini certificati LME dislocati in varie parti del mondo.
• Chicago Mercantile Exchange (CME): è il risultato di un processo di aggregazione di vari mercati regolamentati americani, tra cui il Chicago Board of Trade (CBOT), il New York Mercantile Exchange (NYMEX) e Commodity Exchange, Inc. (COMEX). E' dei più grandi mercati finanziari al mondo per il trading di futures e options su una vasta gamma di commodity.
• Intercontinental Exchange (ICE): è composto da un rete globale di borse e clearing house per i mercati finanziari e commodity, tra cui ICE Futures Europe (dove viene quotato il petrolio Brent), ICE Futures U.S e ICE-Endex (European Energy Derivatives Exchange). Questa rete comprende anche il New York Stock Exchange (NYSE) che è la borsa valori di New York.
• Shanghai Futures Exchange (SHFE): uno dei principali mercati di futures della Cina, specializzato nel trading di metalli;
• Dalian Commodity Exchange (DCE): mercato di futures in Cina specializzato sul trading di commodity agricole e di alcuni prodotti industriali, come il coke e il carbone;
• Zhengzhou Commodity Exchange(ZCE): mercato di futures in Cina specializzato trading di prodotti chimici e di alcuni prodotti agricoli;
• Australian Wool Exchange (AWEX): mercato specializzato nel commercio della lana.

Mercati fisici

Tra i dati mensili attualmente pubblicati da PricePedia sono presenti tre sezioni:

• Prezzi doganali UE: con i prezzi doganali degli scambi tra paesi UE con altri paesi UE e con i paesi extra-UE, con un dettaglio di prodotto a livello di Nomenclatura Combinata a 8 cifre;
• Prezzi doganali USA: con i prezzi doganali degli scambi degli Stati Uniti d'America con i paesi partner, con un dettaglio di prodotto a livello di Harmonized System a 10 cifre;
• Prezzi alla produzione UE: rilevazioni dei prezzi alla produzione effettuate dagli Istituti centrali di statistica dei paesi UE e raccolti dell'Eurostat. I prezzi alla produzione sono relativi ai prezzi di transazioni effettive effettuate da imprese operanti nei paesi UE verso altre imprese della stessa nazionalità o estere. La classificazione utilizzata per la raccolta dei prezzi alla produzione è la classificazione ATECO (relativa alle attività economiche), con un dettaglio di attività economica a 4 cifre. Anche se disponibili solo ad un livello relativamente elevato, i prezzi alla produzione possono essere utili per integrare le informazioni doganali, quando queste presentano una elevata dispersione.

Nel corso del 2024 queste sezioni verranno integrate con due altre sezioni:

• Prezzi doganali ASIA: riguardano i prezzi doganali degli scambi dei principali paesi industrializzati asiatici. Da molti anni l'Asia è diventata l'area economica con il più elevato consumo di comodity. In molti casi, il prezzo di una commodity si forma sul mercato asiatico. Le variazioni dei prezzi sul mercato asiatico contaminano le variazioni dei prezzi delle commodity sugli altri mercati del mondo, spesso in modo determinante. Spesso le dinamiche dei prezzi delle comodity sul mercato asiatici anticipano le dinamiche dei prezzi delle commodity sul mercato europeo.
• Prezzi alla produzione USA: tramite un'indagine mensile presso oltre 16 mila stabilimenti, l'US Bureau of Labor Statitics produce mensilmente l'indice dei prezzi alla produzione (PPI: Producer Price Index) di quasi 4000 commodity e beni di base. Questa banca dati di prezzi alla produzione è in assoluto la rilevazione più capillare e dettagliata dei prezzi di commdity di uno specifico mercato.

Allargamento dello scenario di previsione

Esistono due approcci principali per la previsione di variabili economiche quali i prezzi delle commodity, ciascuno con un proprio processo e i propri presupposti.

Modelli teorici

Il primo approccio si basa sull'utilizzo di modelli teorici. In questo approccio, il punto di partenza è l'identificazione di un modello economico specifico, scelto dal ricercatore sulla base delle proprie conoscenze della materia. Successivamente, si procede con la stima dei parametri del modello utilizzando dati empirici. Questa fase può includere l'adeguamento del modello iniziale per migliorarne la capacità di rappresentare fedelmente i dati osservati. Infine, il modello stimato viene impiegato per generare previsioni, condizionate da scenari specifici per le variabili esogene.

Modelli statistici

Il secondo approccio, invece, è incentrato su modelli statistici. In questo caso, l'obiettivo è identificare i pattern nei dati storici senza fare affidamento su una teoria economica preesistente. Una volta individuato il pattern più rappresentativo, questo viene utilizzato per proiettare l'evoluzione futura della variabile di interesse. In questo caso, la conoscenza specifica del ricercatore sul contesto economico non è richiesta; la previsione dipende unicamente dalla quantità e qualità dei dati disponibili e dalla stabilità nel tempo dei pattern identificati.

Negli ultimi anni, lo sviluppo delle tecniche di machine learning e l'incremento nella disponibilità dei dati hanno reso il secondo approccio sempre più popolare, grazie soprattutto alla sua facilità d'uso. In particolare, nel settore finanziario, si osserva una crescente tendenza ad adottare queste metodologie anche per la previsione dei prezzi delle commodity.

Limiti dei modelli statistici

L'approccio basato esclusivamente su tecniche di machine learning per l'analisi statistica presenta due sfide principali. La prima riguarda l'orizzonte temporale delle previsioni. L'affidabilità delle previsioni ottenute tramite grandi volumi di dati, raccolti ad alta frequenza, tende a essere più elevata nel breve termine. Di conseguenza, l'orizzonte temporale utile delle previsioni può essere limitato a pochi giorni o, in alcuni contesti, persino a poche ore. La seconda sfida è relativa alla comprensione delle dinamiche causali: i modelli puramente statistici spesso non offrono spiegazioni intuitive in termini di cause ed effetti, rendendo così l'interpretazione dei risultati una questione complessa.
Questo approccio risulta molto utile quando le decisioni devono essere prese frequentemente e si può agire rapidamente in base a nuove informazioni, come nel trading finanziario. In questi scenari, eventuali perdite legate a previsioni errate possono essere velocemente compensate da guadagni derivanti da previsioni corrette, a condizione che il modello sia globalmente affidabile.

Previsioni per le decisioni degli uffici acquisti

Le decisioni gestite dagli uffici acquisti si distinguono nettamente dal contesto del trading finanziario, principalmente a causa della minore frequenza delle decisioni e della difficoltà di recuperare rapidamente da eventuali perdite. In questo ambito, la capacità di analizzare e comprendere le relazioni di causa ed effetto assume un ruolo cruciale. La valutazione accurata della robustezza di una previsione e la sua chiara comunicazione agli altri stakeholder sono indispensabili per garantire che le decisioni di acquisto siano ben fondate e condivise.

Per le decisioni di un ufficio acquisti possono essere più utili previsioni di prezzo basate sull'approccio dei modelli teorici. Questa preferenza è giustificata dall'orizzonte temporale generalmente più esteso delle decisioni di acquisto, spesso superiore a un mese, e dalla necessità di capire i meccanismi sottostanti che guidano le previsioni. L'analisi teorica offre una struttura per interpretare le dinamiche di mercato e per progettare strategie basate su uno scenario ben articolato di cause ed effetti, rendendo questo approccio particolarmente adatto per affrontare decisioni complesse i cui effetti non si esauriscono nel breve termine.

Approccio PricePedia alle previsioni

Per elaborare i propri scenari previsionali, PricePedia adotta un approccio ibrido che fonde una solida base teorica, indispensabile per comprendere le dinamiche di lungo periodo, con strumenti statistici finalizzati a dare conto delle fluttuazioni di breve termine. Questi approcci sono racchiusi nei cosiddetti modelli a specificazione dinamica, che hanno dimostrato la loro efficacia nelle previsioni dei prezzi mensili su un arco temporale di più anni.
La fase di identificazione del modello richiede una adeguata comprensione del mercato della commodity in esame. In questo ambito, il team di ricercatori di PricePedia sta proseguendo in un processo graduale di identificazione e stima dei modelli per tutti i prezzi presenti nella sezione prezzi doganali UE. Quest'operazione ambiziosa dovrebbe concludersi entro la fine del 2024.

Nuove Funzionalità e Strumenti in PricePedia

L'estrazione di informazioni da set di dati è resa più accessibile grazie all'introduzione di specifiche funzionalità di visualizzazione e strumenti statistici avanzati. PricePedia considera questo un processo di miglioramento continuo, data la vasta gamma di potenzialità offerte sia dalla data visualization che dai nuovi strumenti statistici.

Funzionalità di Data Visualization

Un'innovazione significativa di PricePedia del 2024 è stata l'introduzione di una funzionalità per la creazione di tabelle personalizzate di presentazione dati. Questa consente agli utenti di selezionare serie di dati di interesse, modificarne la periodicità e l'intervallo temporale, e trasformare righe in colonne (e viceversa). È anche possibile sostituire i valori delle osservazioni con tassi di variazione rispetto a periodi precedenti oppure rispetto al 2019, anno di riferimento considerato "normale" prima della pandemia e delle recenti crisi delle materie prime.

I progetti per il 2024 includono:

• inserimento nei grafici di medie mobili di lunghezza temporale scelta dall'utente, per identificare i cosiddetti golden cross e dead cross, indicatori dei cambiamenti di trend^[1];
• calcolo dei prezzi reali di una commodity, corretti per gli effetti dell'inflazioneM
• implementazione di una doppia scala nei grafici, per analizzare efficacemente le relazioni tra prezzi con gradi di variabilità differenti.

Strumenti Statistici

Nel 2023, PricePedia ha arricchito la propria offerta con nuovi strumenti statistici per l'analisi di serie storiche, tra cui:

• matrici di correlazione parziale, utili per identificare relazioni dirette tra due serie storiche, escludendo le influenze indirette dovute ad altre variabili. Questo strumento consente, ad esempio, di analizzare il legame diretto tra i prezzi della benzina e del gasolio auto, al netto degli effetti che il prezzo del petrolio ha su entrambi;
• modelli ARIMA, per previsioni statistiche su una singola serie storica. Questi modelli, rappresentando una forma semplificata di machine learning, esplorano se un insieme di dati segue specifici pattern regolari. Una volta identificati questi pattern, essi possono essere utilizzati per prevedere l'evoluzione futura della serie in questione.

Nel 2024, PricePedia amplierà ulteriormente la gamma di modelli di previsione statistica per includere anche modelli multivariati, che esaminano pattern di regolarità non solo all'interno di una singola serie storica ma anche tra più serie.