Intervalo

Abstract

Resumo: Este trabalho tem a finalidade de desenvolver um programa computacional em linguagem Matlab versão 7.1, do método de previsão de séries temporais chamado Theta. O método é relativamente recente e foi desenvolvido por Assimakopoulos e Nikolopoulos (2000). O Método Theta abordado neste trabalho mostrou-se muito eficiente na competição M3 de Makridakis, onde foram testadas 3003 séries temporais. Ele está baseado no conceito da modificação das curvaturas locais das séries temporais obtida por um coeficiente theta (T). Em sua abordagem mais simples a série temporal é decomposta em duas linhas theta L(T) representando os termos de longo prazo e de curto prazo. A previsão é feita combinando-se as previsões obtidas através do ajuste das linhas theta obtidas com a decomposição. Neste trabalho a série temporal é decomposta em até três linhas theta. As previsões obtidas já foram comparadas com métodos tradicionais e tiveram um bom desempenho. Mas, como desvantagem pode ser citada a falta de intervalos de confiança para as previsões. Neste trabalho é aplicada a técnica de reamostragem por computação intensiva conhecida como "Bootstrap" para estimar os intervalos de confiança para as previsões pontuais obtidas por esse método de previsão.

Abstract: This work has porpose to develop a computer program in Matlab version 7.1, the method of time series forecasting called Theta. The method is relatively recent and was developed by Assimakopoulos and Nikolopoulos (2000). The Theta method presented in this work was very efficient in M3 Makridakis competition, where they were tested 3003 time series. It is based on the concept of modifying the local curvature of the time series obtained by a coefficient theta(T). In its simplest approach the time series is decomposed into two lines theta L(T) representing terms of long-term and short term. The forecast is made by combining the forecasts obtained by fitting theta lines obtained with the decomposition. In this study the time series is decomposed into three lines theta. The forecasts obtained have been compared with traditional methods and had a good performance. But the disadvantage can be cited a lack of confidence intervals for the forecasts. This work applies the technique of computer-intensive resampling, known as the "bootstrap" to estimate confidence intervals for the point forecasts obtained by this method.