Combinação de modelos de projeção de séries temporais por meio de metodologia de machine learning aplicada ao índice nacional de preços ao consumidor amplo

Abstract

Resumo : As séries temporais sempre trazem muitas informações em seu histórico, que podem ser utilizadas para projetar seu comportamento futuro. As projeções são extremamente importantes para as empresas, pois elas garantem que a demanda poderá ser suprida. Existem diversas formas de se realizar uma projeção e de medir sua acurácia, assim, este trabalho teve como objetivo avaliar a acurácia de diferentes métodos de projeção aplicadas ao Índice Nacional de Preços ao Consumidor Amplo (IPCA). Foram avaliados sete modelos de projeções de séries temporais, incluindo uma combinação dos outros seis modelos gerada por um algoritmo de Machine Learning, com a metodologia Random Forest

Abstract : Time Series can bring a lot of important information in their history, that can be used to predict their future. Time Series Forecasts are extremely important to organizations, because they can ensure that the demand will be met. There are a lot of different ways to generate forecasts and measure their accuracy, therefore, the goal of this study is to evaluate the accuracy of different methods of forecasting applied to the IPCA. Seven forecasting methods were evaluated, including a combination of the other six by a Machine Learning algorithm, using the Random Forest technique