Publicação: Avaliação da Precisão dos Modelos ARIMA com e sem Transformação Estabilizadora da Variância na Previsão de Séries Temporais Anuais
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Programa
Área do conhecimento
CNPQ::CIENCIAS SOCIAIS APLICADAS
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
Dentre as aplicações de Análise de Séries Temporais, a previsão de valores futuros é uma das mais
utilizadas, principalmente em se tratando de séries econômicas e financeiras. Nas previsões, a precisão
do método utilizado é um dos fatores críticos em sua adoção. Um dos métodos clássicos e mais utilizados
é o modelo Autorregressivo Integrado de Médias Móveis (ARIMA – Autoregressive Integrated Moving
Average). Este método, diferentemente de alguns outros existentes, é aplicável a séries que possuem
variância constante. Caso a variabilidade dos dados mude com o tempo ou dependa de seu nível, é usual
aplicar à série uma transformação não linear (p. ex., logaritmo), visando a estabilização de sua variância.
Do ponto de vista exclusivo das previsões alguns autores afirmam que a transformação estabilizadora
da variância tem pouca influência na precisão das mesmas. Este trabalho teve como objetivo testar esta
hipótese em séries temporais anuais. Para tanto, foram tomadas aleatoriamente 40 séries temporais
anuais da M3 Competition e às mesmas foram ajustados modelos ARIMA com e sem transformação e
a precisão de suas previsões pontuais foram calculadas. A conclusão foi que ambos os métodos têm em
média o mesmo grau de precisão.
Abstract
Palavras-chave
Séries Temporais Univariadas, Métodos de Previsão, Modelos ARIMA, Transformações Estabilizadoras da Variância
Citação
SILVA, Rafael Guilherme Fernandes de Lima. Avaliação da Precisão dos Modelos ARIMA com e sem Transformação Estabilizadora da Variância na Previsão de Séries Temporais Anuais. 2019. 10 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2019.