GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Esse conjunto de modelos apresenta uma enorme quantidade de integrantes, mas todos<br />
eles são formados a partir dos três itens discriminados acima e possuem a mesma<br />
característica comum a todos os modelos de previsão baseados em série temporal, se<br />
mostrando, desta forma, mais apropriados para previsões de curto prazo.<br />
Devido à sua grande versatilidade, tais modelos são de grande utilidade num problema<br />
de previsão. Porém, devido à grande complexidade da metodologia e de inúmeras variantes na<br />
mesma, será apresentada somente uma versão genérica simplificada da mesma.<br />
Box e Jenkins (1970) apresentaram a seguinte metodologia para a modelagem geral de<br />
séries temporais:<br />
Fase I:<br />
Identificação<br />
Fase II:<br />
Estimação e<br />
Testes<br />
Fase III:<br />
Aplicação<br />
Preparação dos dados<br />
• transformar dados para estabilizar variância<br />
• diferenciar dados para obter séries estacionárias<br />
Seleção do modelo ARIMA<br />
• examinar dados, ACF e PACF visando identificar possíveis<br />
modelos<br />
Estimação<br />
• estimar parâmetros nos modelos potenciais<br />
• selecionar melhor método usando critério adequado<br />
Diagnóstico<br />
• checar ACF/PACF dos resíduos<br />
• fazer teste Portmanteau dos resíduos<br />
• Resíduos são White Noise?<br />
Sim<br />
Previsão<br />
• usar modelo obtido para se realizar previsão<br />
Não<br />
Figura 12: Metodologia Box-Jenkins para modelagem de séries temporais<br />
Como a figura acima ilustra, a primeira etapa da modelagem de série temporal pela<br />
metodologia Box-Jenkins é preparar os dados transformando-os em uma série estacionária,<br />
tanto na média (sem tendência de crescimento ou declínio) e na variância (que deve se manter<br />
a mesma ao longo do tempo). Isso pode ser feito através de uso de médias móveis ou da<br />
diferenciação da série temporal:<br />
67