A massive amount has been written about forecasting but few articles are written about the development of time series models of call volumes for emergency services. In this study, we use different techniques for forecasting and make the comparison of the techniques for the call volume of the emergency service Rescue 1122 Lahore, Pakistan. For the purpose of this study data is taken from emergency calls of Rescue 1122 from 1st January 2008 to 31 December 2009 and 731 observations are used. Our goal is to develop a simple model that could be used for forecasting the daily call volume. Two different approaches are used for forecasting the daily call volume Box and Jenkins (ARIMA) methodology and Smoothing methodology. We generate the models for forecasting of call volume and present a comparison of the two different techniques.

Using both single and vector processes, we fitted the Box-Jenkin’s ARIMA model and the Vector Autoregressive model following the Johansen approach, to forecast soy bean and green bean prices on the Chinese futures markets. The results are encouraging and provide empirical evidence that the vector processes perform better than the single series. The co-integration test indicated that the null hypothesis of no co-integration among the relevant variables could be rejected. This is one of the most important findings in this paper. The purposes for analyzing and modeling the series jointly are to understand the dynamic relationships over time among the series and improve the accuracy of forecasts for individuals series by utilizing the additional information available from the related series in the forecasts for each series.

The rapid growth of online games enables firms to charge players for virtual goods they sell for use within their online game environments. Determining prices for such virtual goods is inherently challenging due to the absence of explicit supply curve as the marginal cost of producing additional virtual goods is negligible. Utilizing sales data, we study daily revenue of a firm operating a virtual world and selling cards. Explicitly, we analyze the impact of new product releases on revenue using ARIMA with intervention model. We show that during initial days after a new product release, the firm's daily revenue significantly increases. Using a quality measure, based on the Elo rating method, we can determine the relative good prices based on good usage. Applying this method we show that the rating of a product can be a good proxy for units sold. We conclude that our quality-based measure can be adopted for pricing other virtual goods.

CRUZ, Cristovam Colombo dos Santos. Análise de séries temporais para previsão mensal do ICMS: o caso do Piauí. 2007. 81f. Dissertação (mestrado profissional) - Programa de Pós-Graduação em Economia, CAEN, Universidade Federal do Ceará, Fortaleza-CE, 2007. / Submitted by Mônica Correia Aquino (monicacorreiaaquino@gmail.com) on 2013-11-13T22:36:04Z No. of bitstreams: 1 2007_dissert_ccscruz.pdf: 416574 bytes, checksum: f7d6cde0d07aeff034c1c62ed652af3f (MD5) / Approved for entry into archive by Mônica Correia Aquino(monicacorreiaaquino@gmail.com) on 2013-11-13T22:36:16Z (GMT) No. of bitstreams: 1 2007_dissert_ccscruz.pdf: 416574 bytes, checksum: f7d6cde0d07aeff034c1c62ed652af3f (MD5) / Made available in DSpace on 2013-11-13T22:36:16Z (GMT). No. of bitstreams: 1 2007_dissert_ccscruz.pdf: 416574 bytes, checksum: f7d6cde0d07aeff034c1c62ed652af3f (MD5) Previous issue date: 2007 / This dissertation deals with a research on the temporal series analysis for the monthly forecast of the turnover and services tax – ICMS in Brazil – in the state of Piauí. The aim of this research is to offer the statewide policymakers a consistent forecast and powerfully predictive model, so as to contribute to the state finance management. In this work, the ARIMA and Assignment Function models were used to carry out forecasts, as well as Forecast Combination. The dissertation presents a diagnosis of the ICMS in the state of Piauí, a review on the literature where the main theoretical aspects of the models carried out in the work are addressed, in addition to the empirical findings analysis. As a conclusion, it can be observed that the findings carried out in this dissertation are in harmony with other results of similar works carried out on the theme, which corroborates the importance of the models using the temporal series analysis as a forecasting instrument. / Esta Dissertação trata de pesquisa sobre a análise de séries temporais para previsão mensal do Imposto Sobre Circulação e Mercadorias e Prestação de Serviços – ICMS no estado do Piauí. Objetiva-se com essa pesquisa oferecer aos gestores do estado um modelo de previsão consistente e com bom poder preditivo, de forma a contribuir com a gestão financeira estadual. No trabalho, utilizaram-se os modelos ARIMA e Função de Transferência para realizar previsões, bem como o Modelo Combinação de Previsões. A dissertação apresenta um diagnóstico do ICMS no estado do Piauí e uma revisão da literatura onde são abordados os principais aspectos teóricos dos modelos utilizados no trabalho, bem como a análise dos resultados empíricos. Ao final, pode-se observar que os resultados obtidos na presente dissertação, estão em sintonia com outros resultados obtidos em trabalhos semelhantes realizados sobre o tema, o que vem a confirmar a importância dos modelos que utilizam a análise de séries temporais como instrumento de predição.

ALMEIDA, A. F. M. Análise comparativa da aplicação de modelos para imputação do volume médio diário de séries históricas de volume de tráfego. 2010. 100 f. Dissertação (Mestrado em Engenharia de Transportes) - Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2010. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2012-02-23T15:02:03Z No. of bitstreams: 1 2010_dis_afmalmeida.pdf: 1017311 bytes, checksum: b237d72410de031a5badf23203368e8b (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2012-02-23T16:05:53Z (GMT) No. of bitstreams: 1 2010_dis_afmalmeida.pdf: 1017311 bytes, checksum: b237d72410de031a5badf23203368e8b (MD5) / Made available in DSpace on 2012-02-23T16:05:53Z (GMT). No. of bitstreams: 1 2010_dis_afmalmeida.pdf: 1017311 bytes, checksum: b237d72410de031a5badf23203368e8b (MD5) Previous issue date: 2010-09 / In order to improve the road system, with regard to its infrastructure and operation, it is necessary to perform studies and planning, by seeking the best use of existing resources. Therefore an important traffic measure is used, i.e., vehicle volume. Traffic data is collected either manually or electronically; however both ways can fail and not collect all data. In the case of electronic counting equipment, the continuous data collection may form a time series, which produces failures in the database due to non-collection, which can compromise the studies based on this information. Therefore this work aims to perform analysis of methods used to estimate these missing values, by trying to know the most effective model for the Average Daily Volume variable of the data obtained by the continuous counting stations installed in the state highways of Ceará. The estimation models used in this work are the ARIMA models for time series analysis, and simple models, which present a less complex application and a faster processing, while the ARIMA requires more specific knowledge of the professional who uses it. The most effective method considered herein was the one that obtained smaller errors after the application of the models. Four permanent counting stations were selected for these applications, according to the percentage of valid data and its location, by seeking the use of stations in representative points of the state. The best model found was ARIMA (1,0,1)7 (with an average error of 1.816%), however one of the simplest models, MS2, produced results similar to those of ARIMA (an average error of 1.837%), and it can also be considered suitable for application in the allocation of missing values. / Para melhorias do sistema rodoviário, tanto no que se refere à infra-estrutura quanto à operação, é necessário a realização de estudos e planejamento, buscando a melhor utilização dos recursos existentes. Para tanto, faz-se o uso de uma importante medida de tráfego, o volume veicular. Os dados de tráfego são coletados por meio manuais ou eletrônicos, porém, ambos podem apresentar falhas e não coletar os dados em sua totalidade. No caso dos equipamentos eletrônicos de contagem, a coleta contínua pode formar uma série histórica, que, devido a não coleta, gera falhas ao longo da base de dados, as quais podem comprometer os estudos embasados nestas informações. Este trabalho busca, portanto, realizar análises de métodos empregados para estimação destes valores faltosos, buscando conhecer o modelo mais eficaz para a variável Volume Médio Diário dos dados obtidos pelos postos de contagem contínua instalados nas rodovias estaduais do Ceará. Os modelos de estimação aplicados neste trabalho são os modelos ARIMA de análise de séries temporais, e modelos simples, que apresentam aplicação menos complexa e processamento mais rápido, enquanto que o ARIMA demanda maior conhecimento específico do profissional que o utiliza. Assim, o método mais eficaz aqui considerado foi o que obteve menores erros após aplicação do modelo. Para estas aplicações foram selecionados quatro postos permanentes, de acordo com o percentual de dados válidos e sua localização, buscando a utilização de postos em pontos representativos do estado. O melhor modelo encontrado foi o ARIMA (1,0,1)7 (com erro médio de 1,816%), porém, um dos modelos simples, o MS2, obteve resultados próximos aos do ARIMA (erro médio 1,837%), e também pode ser considerado satisfatório para aplicação na imputação de valores faltosos.

Made available in DSpace on 2014-06-12T17:17:16Z (GMT). No. of bitstreams: 2 arquivo5969_1.pdf: 1504936 bytes, checksum: c5647bff1c1bd1fe1a5f7cbe7319989a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2005 / A presente tese pretende desenvolver estudos aplicados ao setor elétrico brasileiro - SEB. Inicialmente, é feita uma revisão geral do SEB, enfocando as instituições e os agentes atuantes no setor. Em um primeiro estudo são feitas previsões para a demanda por energia elétrica no Nordeste no período 2004-2010. As previsões foram revisadas, ainda, de forma a levarem em conta o efeito do racionamento de energia elétrica ocorrido em 2001. Como resultado, os modelos ajustados apresentaram um bom poder de explicação e os valores das elasticidades foram próximos aos obtidos em outros estudos similares. Em um outro estudo, utilizou-se modelos ARIMA para previsão de preços spot de energia elétrica no Brasil. Finalmente, para analisar o potencial de exercício de poder de mercado no segmento de geração do SEB, foi utilizado o modelo de oligopólio de Cournot para analisar o impacto de variações na estrutura do setor sobre os preços de equilíbrio do mercado. Nestes termos, observou-se um maior potencial de exercício de poder de mercado em meses de menor disponibilidade de geração hidráulica. Outros fatores importantes no modelo foram a elasticidade da demanda e a estrutura do setor, em termos do número e do tamanho das firmas

Ante un escenario donde el recurso agua es limitado y con una sociedad que la demanda cada vez con más garantías, la ingeniería es exigida a desarrollar técnicas y metodologías eficientes para asegurar que el vital líquido sea entregado en óptimas condiciones de calidad y cantidad a los usuarios domésticos, comerciales e industriales que conforman el conjunto de abonados de una ciudad. Cada tipo de usuario demanda el agua en diferentes escalas temporales y de cantidad, pero el conjunto de ellos consumiendo agua a la vez generan la demanda global de una ciudad. Los operadores de los sistemas de abastecimiento y distribución de agua potable están obligados a gestionar sus operaciones de tal manera que el conjunto de abonados cuente con el servicio en el momento que lo demanden. La experiencia que acumula el personal de operación se vuelve fundamental para que este objetivo se cumpla ya que son capaces de predecir con gran precisión las demandas futuras. En la búsqueda de predicciones con un fundamento matemático y estadístico sólido, hemos desarrollado este trabajo en el cual se han revisado las metodologías más destacadas que se han utilizado a lo largo de las últimas décadas par modelar y predecir la demanda de agua urbana en áreas densamente pobladas, encontrando que los modelos estocásticos del tipo ARIMA son la base de las principales metodologías. Sin embargo, encontramos también que los modelos existentes están desarrollados y pensados para ciudades en la cuales la demanda presenta un patrón con poca variabilidad derivada de patrones sociológicos y donde las componentes climáticas son poco relevantes. Esta variabilidad es generada por eventos puntuales que perturban el proceso de demanda y que cuando ocurren alteran los patrones repetitivos esperados. El presente trabajo de tesis tiene como principal objetivo proponer, analizar y comparar el desempeño con otras técnicas, de un modelo estocástico para la estimación a corto plazo de la demanda global de agua potable en sistemas de abastecimiento y distribución. / Espinoza Rodríguez, CA. (2010). Predicción a corto plazo de la demanda de agua urbana en áreas densamente pobladas [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/8421 / Palancia

Forecasting is a powerful tool that can enable companies to save millions in revenue every year if the forecast is good enough. The problem lies in the good enough part. Many companies today use Excel topredict their future sales and trends. While this is a start it is far from optimal. Seco Analytics aim to solve this issue by forecasting in an informative and easy manner. The web application uses the ARIMA analysis method to accurately calculate the trend given any country and product area selection. It also features external data that allow the user to compare internal data with relevant external data such as GDP and calculate the correlation given the countries and product areas selected. This thesis describes the developing process of the application Seco Analytics.

The thesis concerns the topic of forecasting using Neural Networks, particu- larly the return and volatility forecasting in the volatile period of Covid-19. The thesis uses adjusted close daily data from Jan 1, 2000, until Jan 1, 2021, of the S&P index and Prague Exchange Stock index (PX). The comparison was between the vanilla econometrical model, a neural network model, and a hybrid neural network model. Hybrid neural networks were constructed with an additional feature column of the fitted econometrical model. Additionally to comparing the prediction, a risk-return trade-o analysis of the forecasted series was conducted. The test period for all models was from Jan 1, 2020, until Jan 1, 2021, where predictions were made. During the test period, MSE be- tween predicted and true values was extracted and compared. The results are that the hybrid model outperformed both econometrical as well as only neural networks models. Furthermore, the risk-return trade-o forecast provided by the hybrid model fares better than the other ones. JEL Classification C53, C81 Keywords Financial Time Series, Forecasting, Neural Net- works, ARIMA, GARCH Title Forecasting with Neural Network during Covid- 19 Crisis Author's e-mail tiep.luud@gmail.com Supervisor's e-mail barunik@fsv.cuni.cz

No description available.