[pt] O estudo de séries temporais desempenha um papel fundamental no
processo de tomada de decisão, dando origem a inúmeras metodologias ao longo
do tempo. Dentro desse contexto, os modelos score-driven surgem como uma
abordagem flexível e interpretável. No entanto, devido ao número significativo
de parâmetros envolvidos, o processo de estimação desses modelos tende
a ser complexo. Para lidar com essa complexidade, este estudo tem como
objetivo avaliar como a adoção de técnicas modernas de otimização impacta
o desempenho final do modelo. Além de simplificar o processo de estimação
de parâmetros, essa mudança de paradigma permite a integração de novas
técnicas, como a otimização robusta, na formulação do modelo, potencialmente
aprimorando seu desempenho. O pacote SDUC.jl, que facilita o ajuste e a
previsão de modelos impulsionados por escores com base em componentes
não observáveis usando técnicas modernas de otimização, representa uma das
principais contribuições deste estudo. Ao utilizar séries temporais conhecidas
para ilustrar sua funcionalidade e dados mensais de carga elétrica do sistema
brasileiro, o estudo foi capaz de demonstrar a flexibilidade do pacote e seu
desempenho robusto, mesmo durante períodos de mudança de regime nos
dados, graças à aplicação de técnicas de robustez. / [en] The study of time series plays a pivotal role in the decision-making
process, giving rise to numerous methodologies over time. Within this context,
score-driven models emerge as a flexible and interpretable approach. However,
due to the significant number of parameters involved, the estimation process
for these models tends to be complex. To address this complexity, this
study aims to evaluate how the adoption of modern optimization techniques
impacts the final performance of the model. Beyond simplifying the parameter
estimation process, this shift in paradigm allows for the integration of new
techniques, such as robust optimization, into the model formulation, thereby
potentially enhancing its performance. The SDUC.jl package, which facilitates
the adjustment and prediction of score-driven models based on unobservable
components using modern optimization techniques, represents one of the main
contributions of this study. By utilizing well-known time series to illustrate its
functionality and monthly electrical load data from the Brazilian system, the
study was able to demonstrate the flexibility of the package and its robust
performance, even during periods of regime change in the data, thanks to the
application of robustness techniques.
Identifer | oai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:67022 |
Date | 13 June 2024 |
Creators | MATHEUS ALVES PEREIRA DOS SANTOS |
Contributors | DAVI MICHEL VALLADAO, DAVI MICHEL VALLADAO, DAVI MICHEL VALLADAO, DAVI MICHEL VALLADAO, DAVI MICHEL VALLADAO |
Publisher | MAXWELL |
Source Sets | PUC Rio |
Language | English |
Detected Language | Portuguese |
Type | TEXTO |
Page generated in 0.1639 seconds