Efeito da Má Especificação de Modelos nas Combinações de Previsão em Séries Temporais com Longa Dependência
Ao modelarmos processos estocásticos, é possível cometermos equívocos no tipo de processo ou mesmo no número de parâmetros a ser ajustado em determinada série. O objetivo deste trabalho é verificar a influência da má especificação de modelos nas previsões e nas combinações de previsões através das medidas de acurácia quando a série apresenta a propriedade de longa dependência, uma vez que comumente séries temporais que apresentam esta propriedade são confundidas com séries temporais não estacionárias. Utilizando a técnica de Monte Carlo serão realizadas simulações para verificar esta influência, onde será calculada a média das medidas de acurácia calculadas para cada modelo a ser verificado. Analisando as simulações, observamos que na grande maioria das vezes as combinações de previsões têm melhor capacidade preditiva que o próprio modelo a partir do qual a série for gerada - neste caso, ARFIMA(p,d,q). Finalmente será feita uma aplicação a dados reais, na qual será analisada a série temporal do valor do ativo do Banco Bradesco SA na hora do fechamento da bolsa de valores.
Efeito da Má Especificação de Modelos nas Combinações de Previsão em Séries Temporais com Longa Dependência
-
Palavras-chave: Combinação de Previsões, Previsões, Longa Dependência, Má Especificação de Modelos.
-
Keywords: Combining forecast, Forecasting, Long Memory, Misspecification.
-
Abstract:
When modeling stochastic processes, it is possible to make mistakes in the type of process or even the number of parameters to be adjusted in each series. The objective of this work is to verify the influence of poor model specification on predictions and Combination of Forecasts through the accuracy measures when the series presents the long dependence property, since commonly time series presenting this property are confused with not stationary time series. Using the Monte Carlo technique, simulations will be performed to verify this influence, where the average of the calculated accuracy measurements will be calculated for each model to be verified. Looking at simulations, we see that for the most part prediction combinations have better predictive power than the model from which the series is generated - in this case ARFIMA(p,d,q). Finally an application will be made to real data, which will analyze the time series of the asset value of Banco Bradesco SA at the time of closing of the stock exchange.
-
Número de páginas: 15
- Letícia Menegotto
- Liane Werner
- Cleber Bisognin
