PAD: Leonardo Oliveira

Monitorias: 18-19 LAB02

Contato: leomartins95@hotmail.com

MODELAGEM E SÉRIES TEMPORAIS

- Fazer previsões

- Modelos univariados: Modelos de previsão (prever valores passos à frente)

4 etapas: especificação, estimação, diagnóstico, previsão

Avaliação:

Entregará uma série simulada por um processo autoregressivo de ordem 2

1ª etapa: MODELE A SERIE. Assim deve identificar o melhor modelo. Aprender identificar o
processo estocástico.

- Autocorrelação ocorre em séries temporais. Se ela autocorrelaciona com ela mesmoa ao

longodo tempo e isso será usado como fonte de informação. Olha-se ao passado para
determinar o futuro.

- Qual técnica aplicarei não para corrigir a autocorrelação, não queremos. Queremos usar, na
verdade, outra técnica que usará isso como bneefício para ajudar a criar um modelo de
previsão.

- O interesse é criar modelos predititivos. O grande objetivo é qual será o valor dessa série no
futuro a fim de antecipar e tomar uma ação imediatamente. São modelos univariados, então
não explicam.

- MODELO VAR => vetor autoregressivo

- MODELO VEC => vetor com correção de erro

- lidaremos com modelo S,AR,I,MA. AR é multivariado (testar hipótese de salários rígidos e

rigidez de contratos. Ou hipótese de curva de phillips). Monta VAR com sistema de equações

Serie estacionaria => VAR => serie com raiz unitária => testa para descobrir.

Não estacionaria => VEC

1: Modelos de Suavização exponencial: series com muita volatividade (ondas), queremos

suavizá-la.

2: processos não estacionários: