Avaliação de desempenho dos principais modelos para previsão de séries temporais

Abstract

Realizar previsões precisas de séries temporais de forma automática é extremamente útil em diversos contextos, tanto para organizações públicas como privadas. Neste trabalho, o conjunto de 1.428 séries mensais da competição M3 (Makridakis e Hibon, 2000) foi utilizado para avaliar o desempenho das previsões pontuais e intervalares dos principais modelos para previsão de séries temporais, incluindo modelos de alisamento exponencial, ARIMA, Theta, DOTM e com sazonalidade múltipla. Cada modelo foi utilizado com 2 abordagens: aplicado diretamente na série original ou após realizar um procedimento de tratamento da sazonalidade a partir da decomposição clássica multiplicativa. O desempenho dos modelos foi avaliado por: contexto da série, horizonte de previsão e presença de sazonalidade. Além disso, os modelos também foram aplicados utilizando a abordagem de bagging descrita em Bergmeir, Hyndman e Benítez (2016). Em geral, os modelos DOTM e ETS foram os mais precisos para previsões, respectivamente, pontuais e intervalares. Ao aplicar a estratégia de bagging, houve um incremento considerável na acurácia das previsões pontuais de quase todos os modelos. Por outro lado, as previsões intervalares, de maneira geral, não apresentaram melhora com a adição da estratégia de bagging.