Avaliação da Precisão dos Modelos ARIMA com e sem Transformação Estabilizadora da Variância na Previsão de Séries Temporais Anuais

Silva, Rafael Guilherme Fernandes de Lima

Use este identificador para citar ou linkar para este item: https://repositorio.ufu.br/handle/123456789/25547

Registro completo de metadados

Campo DC	Valor	Idioma
dc.creator	Silva, Rafael Guilherme Fernandes de Lima	-
dc.date.accessioned	2019-06-28T19:33:03Z	-
dc.date.available	2019-06-28T19:33:03Z	-
dc.date.issued	2019-06-28	-
dc.identifier.citation	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.	pt_BR
dc.identifier.uri	https://repositorio.ufu.br/handle/123456789/25547	-
dc.language	por	pt_BR
dc.publisher	Universidade Federal de Uberlândia	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Séries Temporais Univariadas	pt_BR
dc.subject	Métodos de Previsão	pt_BR
dc.subject	Modelos ARIMA	pt_BR
dc.subject	Transformações Estabilizadoras da Variância	pt_BR
dc.title	Avaliação da Precisão dos Modelos ARIMA com e sem Transformação Estabilizadora da Variância na Previsão de Séries Temporais Anuais	pt_BR
dc.type	Trabalho de Conclusão de Curso	pt_BR
dc.contributor.advisor1	Ruy, Marcelo	-
dc.contributor.advisor1Lattes	http://lattes.cnpq.br/0656240596485093	pt_BR
dc.creator.Lattes	http://lattes.cnpq.br/3826300570084648	pt_BR
dc.description.degreename	Trabalho de Conclusão de Curso (Graduação)	pt_BR
dc.description.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.	pt_BR
dc.publisher.country	Brasil	pt_BR
dc.publisher.course	Gestão da Informação	pt_BR
dc.sizeorduration	10	pt_BR
dc.subject.cnpq	CNPQ::CIENCIAS SOCIAIS APLICADAS	pt_BR
Aparece nas coleções:	TCC - Gestão da Informação

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
AvaliaçãoPrecisãoModelos.pdf		937.02 kB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas