Análise espectral singular: modelagem de série temporais através de estudos comparativos usando diferentes estratégias de previsão

Detalhes bibliográficos
Ano de defesa: 2012
Autor(a) principal: Esquivel, Renata de Miranda
Orientador(a): Senna, Valter de
Banca de defesa: Silva, Marcone Lopes da, Zebende, gilney Figueira
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Faculdade de Tecnologia SENAI CIMATEC
Programa de Pós-Graduação: Modelagem Computacional e Tecnologia Industrial
Departamento: Não Informado pela instituição
País: brasil
Palavras-chave em Português:
Link de acesso: 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.