Neste artigo, discutimos uma nova metodologia para a calibração do parâmetro de suavização do filtro L1 (λ).  Este filtro consiste em usar uma condição de penalidade L1 para obter tendências ou passos lineares. O parâmetro de suavização do problema de otimização da modelagem, segunda a literatura atual, é obtido via observações empíricas do objeto de estudo ou através de técnicas sugeridas por vários autores, em que utilizam cross validation. A proposta deste trabalho é utilizar as técnicas de Moving Block Bootstrap (MBB) aliada com STL (Seasonal Trend Decomposition Using Loess), em que através da simulação obteremos séries sintéticas e a cada uma delas aplicaremos o filtro com uma sequência de λ’s pré-determinados. Como critério de escolha será utilizado o erro quadrático médio (EQM). Posteriormente o método será validado por meio de previsão, 1 passo à frente, “in sample”, utilizando novamente a técnica de MBB.