Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório da Produção Científica e Intelectual do SENAI CIMATEC |
Texto Completo: | http://repositoriosenaiba.fieb.org.br/handle/fieb/728 |
Resumo: | Os métodos estatísticos para análise de séries temporais encontram-se amplamente desenvolvidos na literatura e vários modelos clássicos predativos estão implementados em programas estatísticos genéricos ou específicos. Contudo, cada modelo clássico exige suposições relacionadas às características dos dados e o uso adequado dos modelos exigirá verificações dessas suposições, que podem demandar muitos esforços na etapa de identificação do padrão de comportamento da série temporal. Como alternativa pode-se utilizar uma técnica poderosa e relativamente moderna conhecida como Análise espectral Singular (SSA, do inglês Singular Spectrum Analysis). A SSA visa realizar uma decomposição da série temporal em poucos componentes independentes e interpretáveis. Este método não exige o conhecimento sobre o modelo paramétrico da série temporal e pode ser aplicado em qualquer série com alguma potencial estrutura. Apesar da existência de uma quantidade razoável de publicações sobre a SSA, esse método ainda é pouco usado pela comunidade científica brasileira. A presente dissertação objetiva apresentar o desenvolvimento teórico e aplicações da SSA visando compará-la com os modelos clássicos para séries temporais, além de divulgar uma abordagem não usual na solução de problemas práticos que envolvem séries temporais. Com esta finalidade, analisou-se duas séries temporais com características distintas, sendo uma da área da metrologia e outra do campo financeiro. E adicionalmente, utilizou-se séries simuladas provenientes de processo estocásticos bem discutidos na literatura especializada. De uma forma geral observou-se que o algoritmo recorrente de previsão SSA consegue representar melhor as variações existentes nos dados, como flutuações sazonais e picos, características encontradas com frequência em séries históricas. A previsão SSA apresentou um comportamento global mais condizente com a realidade das séries analisadas. Uma grande vantagem em aplicar a SSA em detrimento aos modelos clássicos refere-se à sua simplificação no entendimento das séries temporais e consequentemente diminuição da intervenção do analista. Sua utilização produziu, em geral, resultados tão bons ou superiores aos gerados pelos métodos clássicos considerados nesta investigação científica. |
id |
SENAI-1_b58a936cd4d2bab3a9d6767bafa68804 |
---|---|
oai_identifier_str |
oai:repositoriosenaiba.fieb.org.br:fieb/728 |
network_acronym_str |
SENAI-1 |
network_name_str |
Repositório da Produção Científica e Intelectual do SENAI CIMATEC |
repository_id_str |
|
spelling |
Esquivel, Renata de MirandaSenna, Valter deGomes, Gecynalda Soares da SilvaSilva, Marcone Lopes daZebende, gilney Figueira2016-09-22T12:09:22Z2012-05http://repositoriosenaiba.fieb.org.br/handle/fieb/728Os métodos estatísticos para análise de séries temporais encontram-se amplamente desenvolvidos na literatura e vários modelos clássicos predativos estão implementados em programas estatísticos genéricos ou específicos. Contudo, cada modelo clássico exige suposições relacionadas às características dos dados e o uso adequado dos modelos exigirá verificações dessas suposições, que podem demandar muitos esforços na etapa de identificação do padrão de comportamento da série temporal. Como alternativa pode-se utilizar uma técnica poderosa e relativamente moderna conhecida como Análise espectral Singular (SSA, do inglês Singular Spectrum Analysis). A SSA visa realizar uma decomposição da série temporal em poucos componentes independentes e interpretáveis. Este método não exige o conhecimento sobre o modelo paramétrico da série temporal e pode ser aplicado em qualquer série com alguma potencial estrutura. Apesar da existência de uma quantidade razoável de publicações sobre a SSA, esse método ainda é pouco usado pela comunidade científica brasileira. A presente dissertação objetiva apresentar o desenvolvimento teórico e aplicações da SSA visando compará-la com os modelos clássicos para séries temporais, além de divulgar uma abordagem não usual na solução de problemas práticos que envolvem séries temporais. Com esta finalidade, analisou-se duas séries temporais com características distintas, sendo uma da área da metrologia e outra do campo financeiro. E adicionalmente, utilizou-se séries simuladas provenientes de processo estocásticos bem discutidos na literatura especializada. De uma forma geral observou-se que o algoritmo recorrente de previsão SSA consegue representar melhor as variações existentes nos dados, como flutuações sazonais e picos, características encontradas com frequência em séries históricas. A previsão SSA apresentou um comportamento global mais condizente com a realidade das séries analisadas. Uma grande vantagem em aplicar a SSA em detrimento aos modelos clássicos refere-se à sua simplificação no entendimento das séries temporais e consequentemente diminuição da intervenção do analista. Sua utilização produziu, em geral, resultados tão bons ou superiores aos gerados pelos métodos clássicos considerados nesta investigação científica.Faculdade de Tecnologia SENAI CIMATECFaculdade de Tecnologia SENAI CIMATECModelagem Computacional e Tecnologia IndustrialSENAI CIMATECbrasilAnálise espectral singularSérie temporalPrevisãoAnálise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisaberto2016-09-23T12:09:22Zinfo:eu-repo/semantics/openAccessporreponame:Repositório da Produção Científica e Intelectual do SENAI CIMATECinstname:Serviço Nacional de Aprendizagem Industrial Campus Integrado de Manufatura e Tecnologia (SENAI CIMATEC)instacron:SENAI CIMATECORIGINALDissertaçao de RenataEsquivelDissertacao15junh12.pdfDissertaçao de RenataEsquivelDissertacao15junh12.pdfapplication/pdf5253138http://repositoriosenaiba.fieb.org.br/bitstream/fieb/728/1/Disserta%c3%a7ao%20de%20RenataEsquivelDissertacao15junh12.pdf90d682feaf00044e986dee7ad95db56dMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositoriosenaiba.fieb.org.br/bitstream/fieb/728/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52fieb/7282016-09-22 09:09:22.796oai:repositoriosenaiba.fieb.org.br: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Repositório de Publicaçõeshttp://repositoriosenaiba.fieb.org.br/oaiopendoar:2016-09-22T12:09:22Repositório da Produção Científica e Intelectual do SENAI CIMATEC - Serviço Nacional de Aprendizagem Industrial Campus Integrado de Manufatura e Tecnologia (SENAI CIMATEC)false |
dc.title.pt_BR.fl_str_mv |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
title |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
spellingShingle |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão Esquivel, Renata de Miranda Análise espectral singular Série temporal Previsão |
title_short |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
title_full |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
title_fullStr |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
title_full_unstemmed |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
title_sort |
Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão |
author |
Esquivel, Renata de Miranda |
author_facet |
Esquivel, Renata de Miranda |
author_role |
author |
dc.contributor.author.fl_str_mv |
Esquivel, Renata de Miranda |
dc.contributor.advisor1.fl_str_mv |
Senna, Valter de |
dc.contributor.advisor-co1.fl_str_mv |
Gomes, Gecynalda Soares da Silva |
dc.contributor.referee1.fl_str_mv |
Silva, Marcone Lopes da Zebende, gilney Figueira |
contributor_str_mv |
Senna, Valter de Gomes, Gecynalda Soares da Silva Silva, Marcone Lopes da Zebende, gilney Figueira |
dc.subject.por.fl_str_mv |
Análise espectral singular Série temporal Previsão |
topic |
Análise espectral singular Série temporal Previsão |
description |
Os métodos estatísticos para análise de séries temporais encontram-se amplamente desenvolvidos na literatura e vários modelos clássicos predativos estão implementados em programas estatísticos genéricos ou específicos. Contudo, cada modelo clássico exige suposições relacionadas às características dos dados e o uso adequado dos modelos exigirá verificações dessas suposições, que podem demandar muitos esforços na etapa de identificação do padrão de comportamento da série temporal. Como alternativa pode-se utilizar uma técnica poderosa e relativamente moderna conhecida como Análise espectral Singular (SSA, do inglês Singular Spectrum Analysis). A SSA visa realizar uma decomposição da série temporal em poucos componentes independentes e interpretáveis. Este método não exige o conhecimento sobre o modelo paramétrico da série temporal e pode ser aplicado em qualquer série com alguma potencial estrutura. Apesar da existência de uma quantidade razoável de publicações sobre a SSA, esse método ainda é pouco usado pela comunidade científica brasileira. A presente dissertação objetiva apresentar o desenvolvimento teórico e aplicações da SSA visando compará-la com os modelos clássicos para séries temporais, além de divulgar uma abordagem não usual na solução de problemas práticos que envolvem séries temporais. Com esta finalidade, analisou-se duas séries temporais com características distintas, sendo uma da área da metrologia e outra do campo financeiro. E adicionalmente, utilizou-se séries simuladas provenientes de processo estocásticos bem discutidos na literatura especializada. De uma forma geral observou-se que o algoritmo recorrente de previsão SSA consegue representar melhor as variações existentes nos dados, como flutuações sazonais e picos, características encontradas com frequência em séries históricas. A previsão SSA apresentou um comportamento global mais condizente com a realidade das séries analisadas. Uma grande vantagem em aplicar a SSA em detrimento aos modelos clássicos refere-se à sua simplificação no entendimento das séries temporais e consequentemente diminuição da intervenção do analista. Sua utilização produziu, em geral, resultados tão bons ou superiores aos gerados pelos métodos clássicos considerados nesta investigação científica. |
publishDate |
2012 |
dc.date.issued.fl_str_mv |
2012-05 |
dc.date.accessioned.fl_str_mv |
2016-09-22T12:09:22Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://repositoriosenaiba.fieb.org.br/handle/fieb/728 |
url |
http://repositoriosenaiba.fieb.org.br/handle/fieb/728 |
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.publisher.none.fl_str_mv |
Faculdade de Tecnologia SENAI CIMATEC Faculdade de Tecnologia SENAI CIMATEC |
dc.publisher.program.fl_str_mv |
Modelagem Computacional e Tecnologia Industrial |
dc.publisher.initials.fl_str_mv |
SENAI CIMATEC |
dc.publisher.country.fl_str_mv |
brasil |
publisher.none.fl_str_mv |
Faculdade de Tecnologia SENAI CIMATEC Faculdade de Tecnologia SENAI CIMATEC |
dc.source.none.fl_str_mv |
reponame:Repositório da Produção Científica e Intelectual do SENAI CIMATEC instname:Serviço Nacional de Aprendizagem Industrial Campus Integrado de Manufatura e Tecnologia (SENAI CIMATEC) instacron:SENAI CIMATEC |
instname_str |
Serviço Nacional de Aprendizagem Industrial Campus Integrado de Manufatura e Tecnologia (SENAI CIMATEC) |
instacron_str |
SENAI CIMATEC |
institution |
SENAI CIMATEC |
reponame_str |
Repositório da Produção Científica e Intelectual do SENAI CIMATEC |
collection |
Repositório da Produção Científica e Intelectual do SENAI CIMATEC |
bitstream.url.fl_str_mv |
http://repositoriosenaiba.fieb.org.br/bitstream/fieb/728/1/Disserta%c3%a7ao%20de%20RenataEsquivelDissertacao15junh12.pdf http://repositoriosenaiba.fieb.org.br/bitstream/fieb/728/2/license.txt |
bitstream.checksum.fl_str_mv |
90d682feaf00044e986dee7ad95db56d 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório da Produção Científica e Intelectual do SENAI CIMATEC - Serviço Nacional de Aprendizagem Industrial Campus Integrado de Manufatura e Tecnologia (SENAI CIMATEC) |
repository.mail.fl_str_mv |
|
_version_ |
1801227090084757504 |