Séries M4 Neste post vou implementar algumas rotinas simples que modelam e preveem séries de tempo univariadas. Para avaliar modelos em série de tempo é bastante comum separar a série em duas partes: uma primeira é usada para alimentar o modelo: serve para estimar os parâmetros; a segunda parte serve para testar a sua capacidade preditiva. A terminologia usual é de train (treino) e test (teste). Usamos o train para estimar o modelo e depois testamos as suas previsões contra as observações reservadas no test.

Continue reading

Equações a diferenças estocásticas Equações a diferenças estocásticas surgem naturalmente em modelos lineares de séries de tempo. Um modelo linear bastante simples para descrever uma série de tempo é o chamado random walk. Ele pode ser expresso como: \[\begin{equation} y_{t} = y_{t-1} + \epsilon_{t} \end{equation}\] onde \(\epsilon_{t}\) é um ruído branco, isto é, \(\epsilon_{t}\) é um processo com média zero e sem autocorrelação. O modelo random-walk diz simplesmente que o valor de \(y(t)\) é igual a seu valor no período imediatamente anterior, \(y_{t-1}\), somado a um “choque aletório”.

Continue reading

Author's picture

Vinicius Oike Reginatto

Mestre em Economia (FEA/USP)

São Paulo, Brasil