Penalizações tipo lasso na seleção de covariáveis em séries temporais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2014 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/103896 |
Resumo: | Este trabalho aplica algumas formas de penalização tipo LASSO aos coeficientes para reduzir a dimensionalidade do espaço paramétrico em séries temporais, no intuito de melhorar as previsões fora da amostra. Particularmente, o método denominado aqui como WLadaLASSO atribui diferentes pesos para cada coeficiente e para cada defasagem. Nas implementações de Monte Carlo deste trabalho, quando comparado a outros métodos de encolhimento do conjunto de coeficientes, essencialmente nos casos de pequenas amostras, o WLadaLASSO mostra superioridade na seleção das covariáveis, na estimação dos parâmetros e nas previsões. Uma aplicação a séries macroeconômicas brasileiras também mostra que tal abordagem apresenta a melhor performance de previsão do PIB brasileiro comparada a outras abordagens. |
id |
URGS_88038c727a06232434f2a94cd53b8d0b |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/103896 |
network_acronym_str |
URGS |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
repository_id_str |
1853 |
spelling |
Konzen, EvandroZiegelmann, Flavio Augusto2014-09-27T02:15:45Z2014http://hdl.handle.net/10183/103896000939155Este trabalho aplica algumas formas de penalização tipo LASSO aos coeficientes para reduzir a dimensionalidade do espaço paramétrico em séries temporais, no intuito de melhorar as previsões fora da amostra. Particularmente, o método denominado aqui como WLadaLASSO atribui diferentes pesos para cada coeficiente e para cada defasagem. Nas implementações de Monte Carlo deste trabalho, quando comparado a outros métodos de encolhimento do conjunto de coeficientes, essencialmente nos casos de pequenas amostras, o WLadaLASSO mostra superioridade na seleção das covariáveis, na estimação dos parâmetros e nas previsões. Uma aplicação a séries macroeconômicas brasileiras também mostra que tal abordagem apresenta a melhor performance de previsão do PIB brasileiro comparada a outras abordagens.This dissertation applies some forms of LASSO-type penalty on the coefficients to reduce the dimensionality of the parameter space in time series, in order to improve the out-of-sample forecasting. Particularly, the method named here as WLadaLASSO assigns different weights to each coefficient and lag period. In Monte Carlo implementations in this study, when compared to other shrinkage methods, essentially for small samples, the WLadaLASSO shows superiority in the covariable selection, in the parameter estimation and in forecasting. An application to Brazilian macroeconomic series also shows that this approach has the best forecasting performance of the Brazilian GDP compared to other approaches.application/pdfporSéries temporaisModelo de previsãoModelo econométricoTime seriesLASSOAdaLASSOVariable selectionForecastingPenalizações tipo lasso na seleção de covariáveis em séries temporaisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal do Rio Grande do SulFaculdade de Ciências EconômicasPrograma de Pós-Graduação em EconomiaPorto Alegre, BR-RS2014mestradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000939155.pdf000939155.pdfTexto completoapplication/pdf708814http://www.lume.ufrgs.br/bitstream/10183/103896/1/000939155.pdf68c0aa84f0b37ce5aa67e2250177d24aMD51TEXT000939155.pdf.txt000939155.pdf.txtExtracted Texttext/plain70600http://www.lume.ufrgs.br/bitstream/10183/103896/2/000939155.pdf.txtc680eb8674523ab69e988221f7985ba3MD52THUMBNAIL000939155.pdf.jpg000939155.pdf.jpgGenerated Thumbnailimage/jpeg988http://www.lume.ufrgs.br/bitstream/10183/103896/3/000939155.pdf.jpg5b3741b5f58698f4ce6d72297eb7b097MD5310183/1038962022-02-22 04:54:22.327279oai:www.lume.ufrgs.br:10183/103896Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532022-02-22T07:54:22Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
title |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
spellingShingle |
Penalizações tipo lasso na seleção de covariáveis em séries temporais Konzen, Evandro Séries temporais Modelo de previsão Modelo econométrico Time series LASSO AdaLASSO Variable selection Forecasting |
title_short |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
title_full |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
title_fullStr |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
title_full_unstemmed |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
title_sort |
Penalizações tipo lasso na seleção de covariáveis em séries temporais |
author |
Konzen, Evandro |
author_facet |
Konzen, Evandro |
author_role |
author |
dc.contributor.author.fl_str_mv |
Konzen, Evandro |
dc.contributor.advisor1.fl_str_mv |
Ziegelmann, Flavio Augusto |
contributor_str_mv |
Ziegelmann, Flavio Augusto |
dc.subject.por.fl_str_mv |
Séries temporais Modelo de previsão Modelo econométrico |
topic |
Séries temporais Modelo de previsão Modelo econométrico Time series LASSO AdaLASSO Variable selection Forecasting |
dc.subject.eng.fl_str_mv |
Time series LASSO AdaLASSO Variable selection Forecasting |
description |
Este trabalho aplica algumas formas de penalização tipo LASSO aos coeficientes para reduzir a dimensionalidade do espaço paramétrico em séries temporais, no intuito de melhorar as previsões fora da amostra. Particularmente, o método denominado aqui como WLadaLASSO atribui diferentes pesos para cada coeficiente e para cada defasagem. Nas implementações de Monte Carlo deste trabalho, quando comparado a outros métodos de encolhimento do conjunto de coeficientes, essencialmente nos casos de pequenas amostras, o WLadaLASSO mostra superioridade na seleção das covariáveis, na estimação dos parâmetros e nas previsões. Uma aplicação a séries macroeconômicas brasileiras também mostra que tal abordagem apresenta a melhor performance de previsão do PIB brasileiro comparada a outras abordagens. |
publishDate |
2014 |
dc.date.accessioned.fl_str_mv |
2014-09-27T02:15:45Z |
dc.date.issued.fl_str_mv |
2014 |
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://hdl.handle.net/10183/103896 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000939155 |
url |
http://hdl.handle.net/10183/103896 |
identifier_str_mv |
000939155 |
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 |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFRGS |
collection |
Biblioteca Digital de Teses e Dissertações da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/103896/1/000939155.pdf http://www.lume.ufrgs.br/bitstream/10183/103896/2/000939155.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/103896/3/000939155.pdf.jpg |
bitstream.checksum.fl_str_mv |
68c0aa84f0b37ce5aa67e2250177d24a c680eb8674523ab69e988221f7985ba3 5b3741b5f58698f4ce6d72297eb7b097 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
lume@ufrgs.br||lume@ufrgs.br |
_version_ |
1810085299568508928 |