Return to search

[en] BAYESIAN MODELS TO FORECAST MULTIVARIANTS SEASONAL FACTORS AND SOME APPLICATIONS / [pt] MODELOS BAYESIANOS PARA PREVISÃO DE SÉRIES TEMPORAIS MULTIVARIADAS COM SAZONALIDADE MULTIPLICATIVA COMPARTILHADA E ALGUMAS APLICAÇÕES

[pt] Esta tese concentra-se essencialmente em modelos para
análise e previsão de séries temporais vetoriais onde o
comportamento sazonal é o foco principal, e no
procedimento Bayesiano correspondente de estimação
seqüencial.
A estrutura básica do modelo multivariado proposto, não-
linear, de crescimento sazonal multiplicativo para séries
temporais, consiste de uma componente de tendência
localmente linear para cada série individual e uma única
componente sazonal, multiplicativa, compartilhada por
todas as séries marginais.
O procedimento de estimação seqüencial baseia-se em
aproximações analíticas que viabilizam uma análise
conjugada, representando uma extensão não-linear do
algoritmo apresentado em Barbosa and Harrison (1992) para
modelos lineares dinâmicos multivariados. Detalhes do
modelo proposto e sua implementação são apresentados,
assim como exemplos da aplicação do método, com dados
simulados e reais.
Para os dados reais, escolheu-se os valores do consumo de
energia elétrica no Brasil, cuja metodologia de previsão
adotada pelas empresas de energia também faz parte deste
trabalho. / [en] This thesis is essentially devoted to models for analysis
and forecasting of vector time series, where the seasonal
behavior is the main focus, and a Bayesian procedure of
sequential estimation is adopted.
The basic structure of the non-linear multivariate model,
of seasonal growth multiplicative for time series,
consists of a locally linear trend component for each
individual series and a shared multiplicative seasonal
component common to all marginal series.
The procedure of sequential estimation is based on
analytic transformations to obtain a conjugate analysis,
representing a non-linear extension of the algorithm by
Barbosa and Harrison (1992) for multivariate dynamic
linear models. Details of the proposed procedure and of
the implementation are shown, as well examples of the
application of the method, with simulated and real data.
For real data, the brazilian electricity demand values
were chose. The forecasting methodology adopted by the
energy companies is also present in this work.

Identiferoai:union.ndltd.org:puc-rio.br/oai:MAXWELL.puc-rio.br:8612
Date03 July 2006
CreatorsREGINA SADOWNIK
ContributorsEMANUEL PIMENTEL BARBOSA, EMANUEL PIMENTEL BARBOSA
PublisherMAXWELL
Source SetsPUC Rio
LanguagePortuguese
Detected LanguagePortuguese
TypeTEXTO

Page generated in 0.0024 seconds