Um estudo sobre a performance de modelos preditivos

Abstract

A previsão é um dos maiores objetivos quando buscamos modelos para séries temporais. Para tanto, existem famílias de modelos que são usadas na maioria dos estudos: ARIMA e ETS. Este estudo tem como objetivo apresentar uma alternativa bayesiana, conhecida como BSTS, para previsão de séries temporais, comparar a sua performance com os métodos clássicos citados anteriormente no banco de dados M3 e conferir a sua viabilidade. Ademais, será utilizada uma técnica nos modelos clássicos onde as previsões são calculadas a partir de variações da série original conhecida como Bagging. O estudo começa com uma série do banco de dados como exemplo para detalhar o modelo bayesiano. Nesse exemplo, percebe-se que o modelo com a melhor performance ´e o ETS utilizando a técnica de Bagging nas previsões e o bayesiano aparece logo em seguida como segundo melhor desempenho. Ao expandir o estudo para o banco de dados completo, foi avaliado que os modelos ETS com Bagging, em geral, obtiveram os melhores resultados nas previsões. Essa alta performance é obtida em troca de um aumento considerável no tempo de computação. Os BSTS tiveram, em geral, um desempenho levemente superior aos ARIMA, que se deu basicamente pela superioridade nas previsões de séries mensais as quais são maioria no banco de dados. Sendo assim, tais modelos se mostraram capazes de ser uma alternativa viável na previsão das séries dos banco de dados em questão