[pt] Nessa dissertação seguimos o artigo de Evans e Marshall (1998) e propomos novas abordagens para modelar o desenvolvimento conjunto de variáveis macroeconômicas e retornos de títulos de renda fixacom diversas maturidades. Os modelos são estimados e comparados com outros, já tradicionais na literatura, baseados em modelos auto- regresivos univariados ou de correção de erros. em seguida, os novos modelos são utilizados para avaliar se a informação contida nas variáveis macroeconômicas e na estrutura a termo das taxas de juros ajuda a melhorar a capacidade de previsão. A principal conclusão é que, se o interese maior está em previsões de curto prazo, então não há melhoria significativa ao agregar outras informações que não sejam aquelas já contidas em observações passadas do próprio rendimento em questão. se, no entanto, o interesse maior está em previsões de longo prazo (que é o caso de fundos de previdência, sejam eles abertos ou fechados), então a informação inerente às variáveis macroeconômicas consegue melhorar o desempenho preditivo. / [en] In this dissertation we follow Evans and Marshall (1998) and propose new approaches for modeling the joint development of macro variables and the returns of government bond yields of several maturities. The models are estimated and compared with other forecasting schemes previously proposed in the literature, especially those relying on univariate, VAR and error correction methods. The models are then used to judge the hypothesis that the information content of macro variables and the term structure of interest rates as a whole helps improving forecasting performance. Our main conclusion is quite simple: if one is interested in computing short term forecasts, then there is no significant improvement in incorporating information other than the one already present in past observations of the yield at hand; however, if one worries about long term forecasts (which is frequently the case of pension insurance companies), then the information content of macro variables and the term structure can improve forecasting performance

This diploma thesis deals with a demand forecasting in electronic shop focused on electronics Alza.cz. The aim of the thesis is to evaluate several forecasting methods for different groups of products and to determine which of them provides the most accurate forecasts. The theoretical part is focused on electronic business, logistics cost, demand forecast, demand forecasting methods and forecast accuracy measuring methods. In practical part, selected methods are applied on data of past demand to calculate the forecasts. Afterwards the forecast accuracy is measured. At the end the thesis provides evaluation of forecast accuracy of the methods.

La tesi si propone di studiare i processi che hanno contribuito allo sviluppo dei sistemi previsionali dei futuri fabbisogni professionali in Italia e nel contesto internazionale. La ricerca si focalizza sui differenti approcci utilizzati nelle analisi previsive approfondendo in particolare le metodologie adottate dai seguenti istituti: BLS (Bureau Labor of Statistics - Stati Uniti); CEDEFOP (European Centre for the Development of Vocational Training); ISFOL (Istituto per lo sviluppo della formazione professionale dei lavoratori). Studiare l’andamento e l’evoluzione del mercato del lavoro, in termini di rilevazione dei fabbisogni professionali, significa realizzare un’analisi complessa, seppure di ampia utilità, che si appresta a essere riletta in chiave sociologica ponendo l’attenzione sui processi di definizione e rappresentazione del mercato del lavoro e del suo rapporto con la società. Il quadro interpretativo che guida la ricerca mette in luce tre dimensioni attraverso cui sono state intraprese diverse misure per implementare i sistemi previsionali sul piano funzionale, meta-funzionale e metodologico. La tesi approfondisce inoltre come l’analisi dei fabbisogni professionali possa rappresentare una delle premesse di lettura delle dinamiche del mercato del lavoro al fine di rendere più efficiente l’incontro tra domanda e offerta e di sviluppare un efficace sistema di formazione professionale e di istruzione finalizzato a garantire maggiore occupabilità, ad affrontare le politiche del lavoro e a gestire le relazioni industriali. / The thesis aims to study the processes that have contributed to the development of the employment forecasting systems adopted in the Italian experience in comparison with the international context. The research focuses on different approaches to the methodologies carried out by the following institutions: BLS (Bureau Labor of Statistics, USA); CEDEFOP (European Centre for the Development of Vocational Training) and ISFOL (Italian Institute for the Development of Vocational Training for Workers). Studying the evolution of the labour market, in terms of analysis of occupational needs, requires a complex process of analysis which can be interpreted from a sociological perspective with regard to the definition and representation processes of the labour market and its relationship to society. The interpretative framework that guides the research highlights three dimensions through which employment forecasting systems have been realized: the functional dimension, the meta-functional dimension and the methodological dimension. The research also reflects on how an analysis of occupational needs can represent one of the premises of understanding of the dynamics of the labour market in order to bring about more efficient matching between labour demand and supply and to develop an effective vocational and educational training system aimed at guaranteeing more employability, in order to address labour policies and manage industrial relations effectively.

Le cadre général des travaux de cette thèse est la chaîne logistique des pièces de rechange et particulièrement l’amélioration de sa performance en prévision et en gestion des stocks à plusieurs niveaux de service. La spécificité d’une demande faible et erratique ne permet pas l’utilisation des approches classiques de prévision. Par ailleurs, les mesures de performance associées reposant sur des indicateurs purement statistiques ne reflètent pas nécessairement les objectifs de gestion d’une chaîne logistique qui cherche à s’aligner avec différents niveaux d’exigence des contrats de maintenance. Après une description des processus et des outils en prévision et en gestion de stocks utilisés dans ce contexte, ces travaux proposent de nouvelles approches de sélection des méthodes de prévisions qui intègrent prévision et gestion de stocks, qui permettent la priorisation en service ou en inventaire et qui utilisent une segmentation par profil de la demande et par niveau de maturité des pièces. Par la suite, ces travaux considèrent le cas de la différenciation client dans le modèle de gestion de stocks basé sur des prévisions, en comparant la performance de la politique à niveau critique avec les politiques classiques à stock commun ou séparé. Chaque processus étudié a été accompagné d’une analyse comparative entre différentes méthodes de prévisions et politiques de gestion de stocks sur des données réelles du cas d’application industrielle de la chaine logistique de GE Healthcare. Ce qui a permis de construire un ensemble de recommandations en fonction de la segmentation de la pièce et des priorités des décideurs. / The main scope of these works is the spare parts supply chain management, particularly the improvement of forecasting and inventory management performance. The specificity of low and erratic demand does not allow the use of conventional approaches of forecasting. Moreover, the associated performance measurements, based on purely statistical indicators, are not adapted to this context. Indeed, it should align with different levels of expectations of the maintenance contracts. After a presentation of the processes and tools used by the dedicated literature. Here we propose new performance analysis approaches seeking to combine the statistical performance of forecasting methods and inventory management performance while considering decision makers priorities and using demand pattern as well as parts age segmentations. These works also address the use of customer differentiation in the inventory model based on forecasting, by comparing the performance of the critical level policy with the common stock and separated stock policies. Each studied process was associated with a comparative analysis of different forecasting methods and inventory management models based on real data of the spare parts supply chain of GE Healthcare, which allowed us to define a set of methods and parameters recommendations according to both part segmentations and supply chain priorities.

The dissertation discusses the main methods of sales forecasting for a company with the E-COMMERCE line of business. The optimal model for predicting sales of B2C goods is found, and a method for updating the model using the index of purchasing activity in online stores. A software module developed based on a new mathematical model for forecasting sales for 2022 for the company BOXBERRY SOFT. / В диссертации рассмотрены основные методы прогнозирования продаж для компании с направлением деятельности E-COMMERCE. Найдена оптимальная модель для прогнозирования продаж товара B2C, а также предложен способ модернизации модели с помощью индекса покупательской активности в Интернет-магазинах. Разработан программный модуль на основе новой математической модели для прогноза продаж на 2022 год для компании ООО «БОКСБЕРРИ СОФТ».

[pt] O presente estudo, apresenta um conjunto de propostas metodológicas relacionadas a reconciliação de previsões em Séries Temporais Hierárquicas. O principal objetivo é apresentar soluções originais ao tema, buscando obter previsões mais acuradas do que as obtidas por modelos independentes para os diferentes níveis da hierarquia. Os estudos foram realizados considerando dados reais, mostrando a potencialidade de aplicação dos métodos desenvolvidos em diferentes cenários, onde as series temporais são estruturadas de forma hierárquica. Esta tese é composta por um conjunto de ensaios que exploram a reconciliação de previsão sob a ótica de um modelo de regressão, que dá origem a reconciliação ótima. A primeira contribuição trata do problema da reconciliação de previsões na perspectiva de estimadores robustos. A proposta apresenta uma contribuição original aplicada a dados dos de pesquisas de força de trabalho no Brasil, apresentando um conjunto de soluções que podem direcionar políticas públicas eficientes. Neste caso, as previsões reconciliadas obtidas através de estimadores robustos possibilitaram um maior ganho em termos acurácia e uma performance equivalente aos métodos que representam o estado da arte sobre reconciliação de previsões em séries temporais hierárquicas. A segunda contribuição trata do problema da reconciliação ótima em séries de consumo de energia no Brasil, apresentado uma proposta alternativa, menos sensível a valores estremos. Os resultados obtidos neste segundo trabalho apresentam melhoramentos consideráveis em métricas de avaliação padrão no que diz respeito as novas previsões. Uma terceira proposta busca oferecer uma estrutura alternativa de covariância dos erros de previsão, que irá ampliar o conjunto de propostas apresentadas na literatura para o método de reconciliação denominado por MinT (do inglês, Minimum Trace) , que minimiza os erros de reconciliação, oferecendo um estimador de variância mínima. / [en] This study presents a set of methodological proposals aimed at improving forecast reconciliation in the context of Hierarchical Time Series. The main objective is to present original solutions to the theme, seeking to obtain more accurate forecasts than those obtained by independent models for the different levels of the hierarchy. The studies were conducted using real data, showing the potentiality of application of the methods developed in different scenarios, in which the time series are structured in a hierarchical fashion. This thesis is composed of a set of essays that explore forecast reconciliation from the perspective of a regression model, which gives foundations to optimal reconciliation. The first contribution addresses the problem of forecast reconciliation from the perspective of robust estimators. The proposal presents an original contribution applied to data from labor force surveys in Brazil, presenting a set of solutions that can drive efficient public policies. In this case, the reconciled forecasts obtained through robust estimators provided consistent gains in terms of accuracy when compared to methods that represent the state-of-the-art on forecast reconciliation in hierarchical time series. The second contribution deals with the problem of optimal reconciliation applied to energy consumption time series in Brazil. We present an alternative proposal, less sensitive to outlying forecasts at the reconciliation stage. The results obtained in this second study show considerable improvements in standard evaluation metrics with regard to the new forecasts. The third proposal seeks to offer robust covariance structures for forecasting errors, which expands the set of strategies presented in the literature. The main contribution is to incorporate robust covariance estimates into the MinT (Minimum Trace) reconciliation approach, which minimizes reconciliation errors, offering an estimator with minimum variance.

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources

OBJETIVOS: O estudo explorou diferentes métodos de séries temporais visando desenvolver um modelo para a previsão do volume diário de pacientes no Pronto Socorro do Instituto Central do Hospital das Clínicas da Faculdade de Medicina da USP. MÉTODOS: Foram explorados seis diferentes modelos para previsão do número diário de pacientes no pronto socorro de acordo com algumas variáveis relacionadas ao calendário e à temperatura média diária. Para a construção dos modelos, utilizou-se a contagem diária de pacientes atendidos no pronto socorro entre 1° de janeiro de 2008 a 31 de dezembro de 2010. Os primeiros 33 meses do banco de dados foram utilizados para o desenvolvimento e ajuste dos modelos, e os últimos três meses foram utilizados para comparação dos resultados obtidos em termos da acurácia de previsão. A acurácia foi medida a partir do erro médio percentual absoluto. Os modelos foram desenvolvidos utilizando-se três diferentes métodos: modelos lineares generalizados, equações de estimação generalizadas e modelos sazonais autorregressivos integrados de média móvel (SARIMA). Para cada método, foram testados modelos que incluíram termos para controlar o efeito da temperatura média diária e modelos que não incluíram esse controle. RESULTADOS: Foram atendidos, em média, 389 pacientes diariamente no pronto socorro, número que variou entre 166 e 613. Observou-se uma sazonalidade semanal marcante na distribuição do volume de pacientes ao longo do tempo, com maior número de pacientes às segundas feiras e tendência linear decrescente ao longo da semana. Não foi observada variação significante no volume de pacientes de acordo com os meses do ano. Os modelos lineares generalizados e equações de estimação generalizada resultaram em melhor acurácia de previsão que os modelos SARIMA. No primeiro horizonte de previsão (outubro), por exemplo, os erros médios percentuais absolutos dos modelos lineares generalizados e de equação de estimação generalizada foram ambos 11,5% e 10,8% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente), enquanto os erros médios percentuais absolutos para os modelos SARIMA foram 12,8% e 11,7% (modelos que incluíram e que não incluíram termo para controlar o efeito da temperatura, respectivamente). Para todos os modelos, incluir termos para controlar o efeito da temperatura média diária não resultou em melhor acurácia de previsão. A previsão a curto prazo (7 dias) em geral resultou em maior acurácia do que a previsão a longo prazo (30 dias). CONCLUSÕES: Este estudo indica que métodos de séries temporais podem ser aplicados na rotina do serviço de pronto socorro para a previsão do provável volume diário de pacientes no serviço. A previsão realizada para o curto prazo tem boa acurácia e pode ser incorporada à rotina do serviço, de modo a subsidiar seu planejamento e colaborar com a adequação de recursos materiais e humanos. Os modelos de previsão baseados unicamente em variáveis relacionadas ao calendário foram capazes de prever a variação no volume diário de pacientes, e os métodos aqui aplicados podem ser automatizados para gerar informações com antecedência suficiente para decisões de planejamento do serviço de pronto socorro / OBJECTIVES: This study aims to develop different models to forecast the daily number of patients seeking emergency department (ED) care in a general hospital according to calendar variables and ambient temperature readings and to compare the models in terms of forecasting accuracy. METHODS: We developed and tested six different models of ED patient visits using total daily counts of patient visits to the Instituto Central do Hospital das Clínicas Emergency Department from January 1, 2008 to December 31, 2010. We used the first 33 months of the dataset to develop the ED patient visits forecasting models (the training set), leaving the last 3 months to measure each model\'s forecasting accuracy by the mean absolute percentage error. Forecasting models were developed using 3 different time series analysis methods: generalized linear models, generalized estimating equations and seasonal autoregressive integrated moving average (SARIMA). For each method, we explored models with and without the effect of mean daily temperature as a predictive variable. RESULTS: Daily mean number of ED visits was 389, ranging from 166 to 613. Data showed a weekly seasonal distribution, with highest patient volumes on Mondays and lowest patient volumes on weekends. There was little variation in daily visits by month. Generalized linear models and generalized estimating equation models showed better forecasting accuracy than SARIMA models. For instance, the mean absolute percentage errors from generalized linear models and generalized estimating equations models at the first month of forecasting (October, 2012), were 11.5% and 10.8% (models with and without control for the temperature effect, respectively), while the mean absolute percentage errors from SARIMA models were 12.8% and 11.7% (models with and without control for the temperature effect, respectively). For all models, controlling for the effect of temperature resulted in worse or similar forecasting ability than models with calendar variables alone, and forecasting accuracy was better for the short term horizon (7 days in advance) than for the longer term (30 days in advance). CONCLUSIONS: Our study indicates that time series models can be developed to provide forecasts of daily ED patient visits, and forecasting ability was dependent on the type of model employed and the length of the time-horizon being predicted. In our setting, generalized linear models and generalized estimating equation models showed better accuracy, and including information about ambient temperature in the models did not improve forecasting accuracy. Forecasting models based on calendar variables alone did in general detect patterns of daily variability in ED volume, and thus could be used for developing an automated system for better planning of personnel resources

Der tatsächliche Erfolg einer Immobilieninvestition wird maßgeblich von der zukünftigen Entwicklung des wirtschaftlichen Umfeldes bestimmt. Im Rahmen einer Immobilieninvestition sind für Investoren z. B. die zukünftigen Mieteinnahmen oder die allgemeine Wertentwicklung der Immobilie entscheidend. Da jedoch Entscheidungen in der Immobilienwirtschaft langfristiger Natur sind, kommt der Zukunftsorientiertheit und des damit verbundenen Risikos eine große Bedeutung zu. Die Entstehung von Immobilienzyklen kann nicht nur mit realen und monetären Fundamentaldaten (z. B. Bruttoinlandsprodukt, Zinsentwicklung) erklärt werden, sondern auch mit psychologischen Faktoren, wie beispielsweise Erwartungen und Einstellungen der Marktteilnehmer. Da mathematisch-statistische Prognoseverfahren diese Komponente nur unzureichend abbilden können, soll die Dissertation einen Beitrag zur Erforschung der Expertenbefragung als Prognoseinstrument darstellen. Ein weiterer Grund besteht darin, dass in der bisher veröffentlichten Fachliteratur der Expertenbefragung als Prognoseverfahren nur eine geringe oder gar keine Bedeutung beigemessen wurde. Ziel ist es herauszustellen, ob und unter welchen Voraussetzungen und Bedingungen Expertenbefragungen zur Prognose von Immobilienwerten geeignet sind und ob die Kombination der Ergebnisse der Expertenbefragungen mit den Ergebnissen mathematisch-statistischer Prognoseverfahren eine Erhöhung der Prognosegenauigkeit ermöglicht. Hierzu wird die zukünftige Entwicklung verschiedener Immobilienwerte für 2 bis 3 Jahre und für 5 Jahre durch Expertenumfragen und mit Hilfe ausgewählter mathematisch-statistischer Prognoseverfahren prognostiziert. Um die Güte der Expertenschätzungen beurteilen zu können, werden die Prognoseergebnisse mit der tatsächlichen Entwicklung und mit den Ergebnissen der mathematisch-statistischen Prognoseverfahren verglichen. In einer abschließenden Gegenüberstellung sollen Aussagen darüber getroffen werden, ob Expertenbefragungen für Prognosezwecke geeignet sind. Ein besonderer Schwerpunkt liegt dabei auch auf psychologischen Aspekten bzw. endogenen und exogenen Einflussgrößen, welche sich auf das Antwortverhalten der Experten auswirken können. Ziel ist es deshalb weiterhin, eine Handlungsempfehlung für die Durchführung von Expertenbefragungen - speziell für die Abgabe von mehrjährigen Trends und auch für Zwecke der Verkehrswertermittlung - zu geben.

Many companies consider essential to obtain forecast of time series of uncertain variables that influence their decisions and actions. Marketing includes a number of decisions that depend on a reliable forecast. Forecasts are based directly or indirectly on the information derived from historical data. This data may include different patterns - such as trend, horizontal pattern, and cyclical or seasonal pattern. Most methods are based on the recognition of these patterns, their projection into the future and thus create a forecast. Other approaches such as neural networks are black boxes, which uses learning.