Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações do INSPER |
Texto Completo: | https://www.repositorio.insper.edu.br/handle/11224/1839 |
Resumo: | Cada vez mais o uso de métodos estatísticos para a previsão de fatores diversos do mundo dos negócios tem se tornado acessível a pessoas que não possuem o conhecimento aprofundado de estatística, matemática, cálculo etc. Essa mudança pode ser considerada uma extensão da capacidade computacional atual, e da qualidade de programas e linguagens do mercado, no caso desse trabalho a linguagem R será usada. Foca-se nos ganhos de combinar diversos modelos estatísticos calculados de forma automática. Usam-se nove modelos automáticos para esse trabalho e testam-se formas de combinação de suas previsões. Todos os modelos funcionam para séries temporais univariadas mensais e a base de dados para a realização da parte empírica desse trabalho é composta pelas 1407 séries temporais mensais da competição M3 com mais de 51 meses no período de fit, todas com 18 meses reservados para o período de validação. Para julgar as melhores combinações utiliza-se uma média simples dos Symmetric mean absolute percentage error (sMAPE) calculados nos 18 meses do futuro, às melhores combinações têm os menores sMAPEs. O objetivo principal foi provar que existem ganhos consideráveis em se combinar diversos modelos de estimação através da, combinação por média simples ou usando erros gerados na validação cruzada de séries temporais ou usando o método Islands. Encontra-se diversas combinações capazes de melhorar a melhor previsão individual em mais de 5%. A replicação e extensão desse trabalho é possível através do script localizado no Apêndice e da aplicação das funções presentes no pacote do software R chamado forecast.bonsai, escrito pelo autor deste trabalho. |
id |
INSP_bba10fe50c4325d7a2456d3e4665ff01 |
---|---|
oai_identifier_str |
oai:repositorio.insper.edu.br:11224/1839 |
network_acronym_str |
INSP |
network_name_str |
Biblioteca Digital de Teses e Dissertações do INSPER |
repository_id_str |
|
spelling |
Todos os documentos desta Coleção podem ser acessados, mantendo-se os direitos dos autores pela citação da origem.info:eu-repo/semantics/openAccessCarlin, Bruno TestaguzzaBortoluzzo, Adriana BruscatoBortoluzzo, Adriana BruscatoSão Paulo2019-02-21T22:22:18Z2021-09-13T02:53:22Z20182019-02-21T22:22:18Z2021-09-13T02:53:22Z20182018https://www.repositorio.insper.edu.br/handle/11224/1839Cada vez mais o uso de métodos estatísticos para a previsão de fatores diversos do mundo dos negócios tem se tornado acessível a pessoas que não possuem o conhecimento aprofundado de estatística, matemática, cálculo etc. Essa mudança pode ser considerada uma extensão da capacidade computacional atual, e da qualidade de programas e linguagens do mercado, no caso desse trabalho a linguagem R será usada. Foca-se nos ganhos de combinar diversos modelos estatísticos calculados de forma automática. Usam-se nove modelos automáticos para esse trabalho e testam-se formas de combinação de suas previsões. Todos os modelos funcionam para séries temporais univariadas mensais e a base de dados para a realização da parte empírica desse trabalho é composta pelas 1407 séries temporais mensais da competição M3 com mais de 51 meses no período de fit, todas com 18 meses reservados para o período de validação. Para julgar as melhores combinações utiliza-se uma média simples dos Symmetric mean absolute percentage error (sMAPE) calculados nos 18 meses do futuro, às melhores combinações têm os menores sMAPEs. O objetivo principal foi provar que existem ganhos consideráveis em se combinar diversos modelos de estimação através da, combinação por média simples ou usando erros gerados na validação cruzada de séries temporais ou usando o método Islands. Encontra-se diversas combinações capazes de melhorar a melhor previsão individual em mais de 5%. A replicação e extensão desse trabalho é possível através do script localizado no Apêndice e da aplicação das funções presentes no pacote do software R chamado forecast.bonsai, escrito pelo autor deste trabalho.52 f.Forecast. Combinações. Modelos Automáticos.Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Biblioteca Digital de Teses e Dissertações do INSPERinstname:Instituição de Ensino Superior e de Pesquisa (INSPER)instacron:INSPERTEXTBRUNO TESTAGUZZA CARLIN_Trabalho.pdf.txtExtracted texttext/plain75751https://repositorio.insper.edu.br/bitstream/11224/1839/1/BRUNO%20TESTAGUZZA%20CARLIN_Trabalho.pdf.txt3a1bda141d510b2605759b63b8ae942fMD51BRUNO TESTAGUZZA CARLIN_Autorização.pdf.txtExtracted texttext/plain2https://repositorio.insper.edu.br/bitstream/11224/1839/2/BRUNO%20TESTAGUZZA%20CARLIN_Autoriza%c3%a7%c3%a3o.pdf.txte1c06d85ae7b8b032bef47e42e4c08f9MD52LICENSElicense.txttext/plain1748https://repositorio.insper.edu.br/bitstream/11224/1839/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53ORIGINALBRUNO TESTAGUZZA CARLIN_Trabalho.pdfapplication/pdf1334153https://repositorio.insper.edu.br/bitstream/11224/1839/4/BRUNO%20TESTAGUZZA%20CARLIN_Trabalho.pdf4197c89dfaa87eb35edec9c9519f3816MD54BRUNO TESTAGUZZA CARLIN_Autorização.pdfINDISPONÍVEL - AUTORIZAÇÃO ALUNOapplication/pdf779875https://repositorio.insper.edu.br/bitstream/11224/1839/5/BRUNO%20TESTAGUZZA%20CARLIN_Autoriza%c3%a7%c3%a3o.pdf8c29f521b41e17840a7f9f1df869beb8MD55THUMBNAILBRUNO TESTAGUZZA CARLIN_Trabalho.pdf.jpgBRUNO TESTAGUZZA CARLIN_Trabalho.pdf.jpgGenerated Thumbnailimage/jpeg1113https://repositorio.insper.edu.br/bitstream/11224/1839/6/BRUNO%20TESTAGUZZA%20CARLIN_Trabalho.pdf.jpg713e1fdc0a654ec22400afa9027dde3cMD56BRUNO TESTAGUZZA CARLIN_Autorização.pdf.jpgBRUNO TESTAGUZZA CARLIN_Autorização.pdf.jpgGenerated Thumbnailimage/jpeg1629https://repositorio.insper.edu.br/bitstream/11224/1839/7/BRUNO%20TESTAGUZZA%20CARLIN_Autoriza%c3%a7%c3%a3o.pdf.jpgf1a90b13aea3f896cae6df5135982631MD5711224/18392022-12-02 13:48:00.559oai:repositorio.insper.edu.br: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Biblioteca Digital de Teses e Dissertaçõeshttps://www.insper.edu.br/biblioteca-telles/PRIhttps://repositorio.insper.edu.br/oai/requestbiblioteca@insper.edu.br ||opendoar:2022-12-02T18:48Biblioteca Digital de Teses e Dissertações do INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER)false |
dc.title.pt_BR.fl_str_mv |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
title |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
spellingShingle |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais Carlin, Bruno Testaguzza Forecast. Combinações. Modelos Automáticos. |
title_short |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
title_full |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
title_fullStr |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
title_full_unstemmed |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
title_sort |
Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais |
author |
Carlin, Bruno Testaguzza |
author_facet |
Carlin, Bruno Testaguzza |
author_role |
author |
dc.contributor.defensecommittee.none.fl_str_mv |
Bortoluzzo, Adriana Bruscato |
dc.contributor.author.fl_str_mv |
Carlin, Bruno Testaguzza |
dc.contributor.advisor1.fl_str_mv |
Bortoluzzo, Adriana Bruscato |
contributor_str_mv |
Bortoluzzo, Adriana Bruscato |
dc.subject.por.fl_str_mv |
Forecast. Combinações. Modelos Automáticos. |
topic |
Forecast. Combinações. Modelos Automáticos. |
description |
Cada vez mais o uso de métodos estatísticos para a previsão de fatores diversos do mundo dos negócios tem se tornado acessível a pessoas que não possuem o conhecimento aprofundado de estatística, matemática, cálculo etc. Essa mudança pode ser considerada uma extensão da capacidade computacional atual, e da qualidade de programas e linguagens do mercado, no caso desse trabalho a linguagem R será usada. Foca-se nos ganhos de combinar diversos modelos estatísticos calculados de forma automática. Usam-se nove modelos automáticos para esse trabalho e testam-se formas de combinação de suas previsões. Todos os modelos funcionam para séries temporais univariadas mensais e a base de dados para a realização da parte empírica desse trabalho é composta pelas 1407 séries temporais mensais da competição M3 com mais de 51 meses no período de fit, todas com 18 meses reservados para o período de validação. Para julgar as melhores combinações utiliza-se uma média simples dos Symmetric mean absolute percentage error (sMAPE) calculados nos 18 meses do futuro, às melhores combinações têm os menores sMAPEs. O objetivo principal foi provar que existem ganhos consideráveis em se combinar diversos modelos de estimação através da, combinação por média simples ou usando erros gerados na validação cruzada de séries temporais ou usando o método Islands. Encontra-se diversas combinações capazes de melhorar a melhor previsão individual em mais de 5%. A replicação e extensão desse trabalho é possível através do script localizado no Apêndice e da aplicação das funções presentes no pacote do software R chamado forecast.bonsai, escrito pelo autor deste trabalho. |
publishDate |
2018 |
dc.date.submitted.none.fl_str_mv |
2018 |
dc.date.available.fl_str_mv |
2018 2019-02-21T22:22:18Z 2021-09-13T02:53:22Z |
dc.date.issued.fl_str_mv |
2018 |
dc.date.accessioned.fl_str_mv |
2019-02-21T22:22:18Z 2021-09-13T02:53:22Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.repositorio.insper.edu.br/handle/11224/1839 |
url |
https://www.repositorio.insper.edu.br/handle/11224/1839 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
52 f. |
dc.coverage.spatial.pt_BR.fl_str_mv |
São Paulo |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações do INSPER instname:Instituição de Ensino Superior e de Pesquisa (INSPER) instacron:INSPER |
instname_str |
Instituição de Ensino Superior e de Pesquisa (INSPER) |
instacron_str |
INSPER |
institution |
INSPER |
reponame_str |
Biblioteca Digital de Teses e Dissertações do INSPER |
collection |
Biblioteca Digital de Teses e Dissertações do INSPER |
bitstream.url.fl_str_mv |
https://repositorio.insper.edu.br/bitstream/11224/1839/1/BRUNO%20TESTAGUZZA%20CARLIN_Trabalho.pdf.txt https://repositorio.insper.edu.br/bitstream/11224/1839/2/BRUNO%20TESTAGUZZA%20CARLIN_Autoriza%c3%a7%c3%a3o.pdf.txt https://repositorio.insper.edu.br/bitstream/11224/1839/3/license.txt https://repositorio.insper.edu.br/bitstream/11224/1839/4/BRUNO%20TESTAGUZZA%20CARLIN_Trabalho.pdf https://repositorio.insper.edu.br/bitstream/11224/1839/5/BRUNO%20TESTAGUZZA%20CARLIN_Autoriza%c3%a7%c3%a3o.pdf https://repositorio.insper.edu.br/bitstream/11224/1839/6/BRUNO%20TESTAGUZZA%20CARLIN_Trabalho.pdf.jpg https://repositorio.insper.edu.br/bitstream/11224/1839/7/BRUNO%20TESTAGUZZA%20CARLIN_Autoriza%c3%a7%c3%a3o.pdf.jpg |
bitstream.checksum.fl_str_mv |
3a1bda141d510b2605759b63b8ae942f e1c06d85ae7b8b032bef47e42e4c08f9 8a4605be74aa9ea9d79846c1fba20a33 4197c89dfaa87eb35edec9c9519f3816 8c29f521b41e17840a7f9f1df869beb8 713e1fdc0a654ec22400afa9027dde3c f1a90b13aea3f896cae6df5135982631 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações do INSPER - Instituição de Ensino Superior e de Pesquisa (INSPER) |
repository.mail.fl_str_mv |
biblioteca@insper.edu.br || |
_version_ |
1791085946481934336 |