1 |
[pt] ANÁLISE COMPARATIVA DA PREVISÃO DE DEMANDA DE ENERGIA ELÉTRICA INDUSTRIAL NO PERÍODO PÓS - CRISE: UMA APLICAÇÃO DOS MODELOS VAR E BVAR / [en] FORECASTING THE INDUSTRIAL ELECTRIC ENERGY DEMAND DURING THE POST CRISIS PERIOD USING VAR AND BVAR MODELS: A COMPARISON ANALYSISPAULO ROBERTO BASTOS MAIA 06 July 2011 (has links)
[pt] Esse estudo tem como objetivo efetuar previsões não condicionadas de
demanda de energia elétrica no Brasil para a classe industrial entre os meses de
Janeiro e Dezembro de 2010. Para tanto, verificou-se a causalidade entre as
variáveis em estudo, em seguida se as mesmas eram estacionárias ou processos
integrados. Posteriormente procedeu-se ao teste de co-integração, cujo intuito era
determinar se as séries apresentavam alguma tendência comum ao longo do
tempo. As previsões foram estimadas através do Modelo de Correção de Erros na
abordagem Clássica (VAR/VEC) e Bayesiana (BVAR/BVEC) e, ao fim,
efetuou-se uma análise comparativa através da média dos erros. Os resultados
obtidos mostraram que a metodologia Bayesiana se fez mais acurada do que a
metodologia Clássica. / [en] This thesis describes two multivariate statistical based approaches to
generate unconditional monthly forecasts for the brazilian industrial electricity
demand covering the lead time spanning from Jan/2010 to Dec/2010. For that, it
was first checked the causality among the series involved followed by stationarity
tests. It was also carried out cointegration tests to check the existence of long
range trend among the series. The two approaches adopted were, respectivelly, the
Classical Error Correction Vector Model (VAR/VEC) and the Bayesian
counterpart (BVAR/BVEC); both modelling simultaneously the series involved in
the study as a vector of time series that follow a kind of vector autoregressive
structure. The results obtained with both, were compared, and, a main conclusion
of the thesis, the Bayesian model produced better results, in terms of accuracy,
them the Classical counterpart.
|
Page generated in 0.0279 seconds