SLIDE 3C - TÓPICOS ECONOMETRIA

VINÍCIUS OLIVEIRA – 2018.2506.021-2

1. Qual a vantagem de utilizar uma média móvel de 12 meses em relação a outra

de 3 meses
Como a média móvel suaviza a série temporal, mostrando as variações e
eliminando flutuações de curto prazo, a média móvel de 12 meses consegue
captar movimentos específicos para cada época do ano enquanto a média
móvel de 3 meses iria captar apenas para os trimestres, deixando de captar
movimentações únicas no ano.

2. Quais os componentes básicos da decomposição clássica?

A decomposição básica é realizada com a retirada da tendência, da
sazonalidade, dos ciclos, e irregularidades, suavizando a série e facilitando a
previsão. Essas decomposições são feitas com a plotagem da série, a criação
da rolling mean e por fim o índice estacional da série.

SLIDE 4 - TÓPICOS ECONOMETRIA

1. Quais os componentes essenciais da suavização exponencial?

A suavização exponencial é uma função de um parâmetro para as
observações recentres e outra de composta do inverso de alfa para as
observações passadas, sendo 0 < alfa < 1.

2. Explique a diferença entre os modelos Holt de 1 parâmetro, Holt de 2

parâmetros e Holt-Winters
O modelo de 1 parâmetro não teria nem tendência nem sazonalidade. Sua
fórmula possui um parâmetro apenas para a média móvel.
O modelo de 2 parâmetros não possui a sazonalidade mas já inclui a
tendência. Sua fórmula possui parâmetros para a média móvel e para a
tendência que pode ou não ser exponencial
Por fim, o Holt-Winters trará o nível, a tendência e a sazonalidade, aditiva ou
multiplicativa, com parâmetros respectivos para cada item.

SLIDE 5 - TÓPICOS ECONOMETRIA

1. Qual as diferenças ente os principais indicadores de acurácia: RSME, MAE, MAPE,
MASE?
Raiz do Erro de Simulação Quadrático Médio (RSME) - a a média de cada
erro é elevada ao quadrado, depois é retirado a raiz. Com isso busca-se não
anular os erros positivos com os negativos. Sensível aos outliers e depende das
escalars. Tende a preferir modelos cujos erros grandes ocorrem em menor
escala mas não são necessariamente bem ajustados
 Erro Absoluto Médio (MAE) - É a média de cada erro ao módulo. Outro
método de não se anular os erros positivos e negativos. Entrega uma ideia do
desvio-padrão e é menos sensível a grandes resíduos. Também é oposto ao
RSME, dando preferência a modelos com mais erros ‘grandes’ porêm melhores
ajustados.
Erro Absoluto Percentual Médio (MAPE) - erro médio percentual da série. Dá
problema com erros iguais ou próximos a zero pois os divide. Em contrapartida
dá uma melhor representação de escala que o MSE e o MAE
Erro Absoluto de Escala Médio (MASE) - similar ao MAPE mas com ajuste
para séries sazonais.

2. Por que sugere-se fazer um split na série temporal em treino e teste?

Para podermos avaliar se o modelo que montamos consegue retornar boas
previsões. Quando temos um conjunto de teste, já sabemos o resultado e
podemos avaliar se o erro de previsão é pequeno comparando o observado no
conjunto teste com o previsto pelo modelo

3. o que é uma estimação dentro da amostra e uma estimação fora da amostra?