Forecasts univariados automáticos: combinação de forecasts automáticos de séries mensais

Abstract

Cada vez mais o uso de métodos estatísticos para a previsão de fatores diversos do mundo dos negócios tem se tornado acessível a pessoas que não possuem o conhecimento aprofundado de estatística, matemática, cálculo etc. Essa mudança pode ser considerada uma extensão da capacidade computacional atual, e da qualidade de programas e linguagens do mercado, no caso desse trabalho a linguagem R será usada. Foca-se nos ganhos de combinar diversos modelos estatísticos calculados de forma automática. Usam-se nove modelos automáticos para esse trabalho e testam-se formas de combinação de suas previsões. Todos os modelos funcionam para séries temporais univariadas mensais e a base de dados para a realização da parte empírica desse trabalho é composta pelas 1407 séries temporais mensais da competição M3 com mais de 51 meses no período de fit, todas com 18 meses reservados para o período de validação. Para julgar as melhores combinações utiliza-se uma média simples dos Symmetric mean absolute percentage error (sMAPE) calculados nos 18 meses do futuro, às melhores combinações têm os menores sMAPEs. O objetivo principal foi provar que existem ganhos consideráveis em se combinar diversos modelos de estimação através da, combinação por média simples ou usando erros gerados na validação cruzada de séries temporais ou usando o método Islands. Encontra-se diversas combinações capazes de melhorar a melhor previsão individual em mais de 5%. A replicação e extensão desse trabalho é possível através do script localizado no Apêndice e da aplicação das funções presentes no pacote do software R chamado forecast.bonsai, escrito pelo autor deste trabalho.