Trabalho de Conclusão de Curso
Métodos de seleção automática de omdelos ARIMA no software R: uma comparação dos algoritmos do pacote forecast
Methods for automatic selection of ARIMA models in software R: a comparison of the algorithms of forecast package
Registro en:
PIAUHY NETO, Franklin. Métodos de seleção automática de modelos ARIMA no software R:
uma comparação dos algoritmos do pacote Forecast. 2021. 13 f. Trabalho de Conclusão de Curso (Graduação em Gestão da Informação) – Universidade Federal de Uberlândia, Uberlândia, 2021.
Autor
Piauhy Neto, Franklin
Institución
Resumen
In time series analysis, forecasting is one of the most important applications. In forecasting, the accuracy
of the method used is one of the critical factors in its adoption. One of the main available forecasting
methods is ARIMA model, whose downside is the complexity to specify the most adequate model.
Currently, with the increase in computational power and in the availability of statistical software, it is
already possible to find fully automated solutions, such as the “forecast” package written in the R
programming language. The package has two algorithms for specifying models: exhaustive and stepwise
search. The latter is an option to shorten computation time. The present work aimed to test whether there
is a significant difference between the accuracy of point forecasts generated by both algorithms. For
that, 2,829 annual, quarterly and monthly series of the M3 Competition were selected, predictions with
the two methods were executed and their accuracies were calculated. The conclusion was that for the
annual and quarterly series, the methods had on average the same degree of precision and for the monthly
series, the exhaustive procedure was on average slightly better. Trabalho de Conclusão de Curso (Graduação) Dentre as aplicações de análise de séries temporais, a previsão de valores futuros é uma das mais
utilizadas. Nas previsões, a precisão do método utilizado é um dos fatores críticos em sua adoção. Um
dos principais métodos de previsão disponíveis é o modelo ARIMA, cujo ponto negativo é a
complexidade para se especificar o modelo mais adequado. Atualmente, com o aumento no poder
computacional e a crescente disponibilidade de software estatístico, já é possível encontrar soluções
completamente automatizadas, tal como o pacote “forecast” escrito na linguagem de programação R. O
pacote possui dois algoritmos para a especificação de modelos: busca exaustiva e em etapas (stepwise),
este último uma opção para se encurtar o tempo de computação. O presente trabalho teve como objetivo
testar se há diferença significativa entre as precisões das previsões pontuais geradas por ambos os
algoritmos. Para tanto, 2.829 séries anuais, trimestrais e mensais da M3 Competition foram selecionadas,
previsões com os dois métodos foram executadas e suas precisões foram calculadas. A conclusão foi
que para as séries anuais e trimestrais os métodos tiveram em média o mesmo grau de precisão e para
as séries mensais o procedimento exaustivo foi em média ligeiramente melhor.