Escolar Documentos
Profissional Documentos
Cultura Documentos
Tendencia e Sazonalidade
Airlane Pereira Alencar
Componentes: Podemos decompor a serie Z = {Z (t), t T } em: Zt = Tt + St + at com Tt : tendencia St : componente sazonal at : erro aleatorio com E(at ) = 0 e Var (at ) = 2 .
19 de Marco de 2009
Tendencia e Sazonalidade
19 de Marco de 2009
1 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
2 / 19
Tendencia
Tendencia
a) Polinomio
Tendencia: Zt = Tt + at Metodos para estimar Tt Polinomio: Suavizar os valores da serie para estimar a tendencia em cada instante; Suavizar a serie com ajustes sucessivos de retas de mnimos quadrados (lowess); Apos estimar Tt podemos obter a serie livre de tendencia Yt = Zt Tt . Supomos Tt = 0 + 1 t + 2 t 2 + . . . + m t m . Ajustando o polinomio pelo metodo de mnimos quadrados temos que minimizar
T
(Zt 0 1 t . . . m t m )2
t=1
Tendencia e Sazonalidade
19 de Marco de 2009
3 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
4 / 19
Tendencia
Tendencia
b) Medias Moveis
b) Medias Moveis
Zt =
j=n n
cj (Tt+j + at+j )
n
= cj Zt+j .
j=n
cj Tt+j +
j=n
cj at+j ,
Zt
=
j=n
e vamos denotar at =
n j=n cj at+j .
Tendencia e Sazonalidade
19 de Marco de 2009
5 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
6 / 19
Tendencia
Tendencia
b) Medias Moveis
b) Medias Moveis
Portanto E(at ) = 0; Supondo tendencia suave: n E(Zt ) = n j=n cj Tt+j j=n cj Tt = Tt = E(Zt ). = e para < 1, temos e consequentemente Var (Zt ) < Var (Zt ).
Var (at )
Correlacao Uma desvantagem e que introduzimos correlacao nos erros. Supondo Cov (at , as ) = 0, s = t, obtemos:
n
n 2 j=n cj
cj2
Var (at )
Cov (at , as ) = 2
j=n+h
cj cjh , h = 0, 1, . . . , 2n
= 0, h = 2n + 1, . . .
Tendencia e Sazonalidade
19 de Marco de 2009
7 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
8 / 19
Tendencia
Tendencia
b) Medias Moveis
c) Kernel Smoothing
Media ponderada
Desvantagens de medias moveis Inferencias sao limitadas pois o metodo nao e baseado em modelo estatstico. Nao podemos obter previsoes para t = T + 1, . . . Observacoes E bastante usado para analise descritiva. Podemos utilizar medianas moveis. t f =
wt (i)xi
i=1
wt (i) =
k( ti ) b tj n j=1 k( b )
O estimador t e chamado estimador Naradaya-Watson (Watson, f 1966). Por exemplo, o kernel normal e k(z) = f Quanto maior b, mais suave e t .
z 1 e 2 2 2
Tendencia e Sazonalidade
19 de Marco de 2009
9 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
10 / 19
Tendencia
Tendencia
e) Splines
Primeiro os tempos t= 1, . . . , n, sao separados em k intervalos [t0 = 1, t1 ], [t1 + 1, t2 ], . . . , [tk1 + 1, tk = n]. Os tempos t1 , . . . , tk sao denominados nos. Em cada intervalo e ajustado o modelo de regressao ft = Tt = 0 + 1 t + 2 t 2 + 3 t 3 (em geral de grau 3 = splines cubicos). A suavizacao usando splines e obtida minimizando
n
(zt ft )2 +
t=1
(ft )2 dt.
A primeira parcela se refere ao ajuste do polnomio e a segunda ao grau de suavidade controlado por . Obs Alguns testes para tendencia encontram-se em MT pg. 63.
11 / 19 Alencar, A.P., Rocha, F.M.M. (IME-USP) Tendencia e Sazonalidade 19 de Marco de 2009 12 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
Sazonalidade
Sazonalidade
Sazonalidade
Zt = Tt + St + at , t = 1, . . . , T . Para o modelo aditivo acima, podemos: a. obter estimativas St de St ; b. calcular serie dessazonalizada ZtSA = Zt St .
Zt . St
b) Medias moveis
Primeiro retira-se a tendencia: Yt Tt = Zt T t
n
=
j=n
cj Zt+j .
Para modelo multiplicativo, podemos ter Zt = Tt St + at e Yt = a) Sazonalidade determinstica - Regressao Por exemplo, para dados mensais: Zt = 0 + m j t j + 11 j Djt + at , j=1 j=1 com Djt variavel indicadora que vale 1 se o mes t e igual a j.
Para dados mensais (pode estender), temos que para a observacao do ano i no mes j, Yij , temos: nj 1 Y.j = nj i=1 Yij e a media do mes j. j = Y.j Y sao estimativas das constantes sazonais para S 12 Y.j . Y = 1 Calcula-se ZtSA = Zt St .
12 j=1
Tendencia e Sazonalidade
19 de Marco de 2009
13 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
14 / 19
Suavizacao exponencial
Suavizacao exponencial
Observacoes: a. Esse metodo e conhecido como EWMA (Exponential Weighting Moving Averages); b. O metodo e otimo se Zt for ARIMA(0,1,1). c. Ha varios metodos de escolha de . d. Esse metodo e muito utilizado para estimar a volatilidade usando-se os log-retornos ao quadrado.
Zt (h) = Zt , h = 1, 2, . . .; A atualizacao da previsao e Zt (h) = Zt + (1 )Zt1 (h + 1), sendo Zt1 (h + 1) a previsao para o tempo t quando temos os dados ate t 1. E(Zt (h)) =
t1 k=0 (1
)k tk .
A expressao do EQM(Zt (h)) encontra-se em MT(2006). Assumindo estacionariedade Zt = + at , obtem-se expressoes 2 2t 2 mais simples: E(Zt (h)) = e Var (Zt (h)) = [1(1) ] 2 e 2 para t .
Tendencia e Sazonalidade
19 de Marco de 2009
15 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
16 / 19
Suavizacao exponencial
Suavizacao exponencial
Suavizacao de Holt
Para Zt = + Tt + at Os valores de nvel e tendencia sao estimados por: Zt = AZt + (1 A)(Zt1 + Tt1 ), 0 < A < 1; Tt = C(Zt Zt1 ) + (1 C)Tt1 , 0 < C < 1. Observacoes Previsao: Zt (h) = Zt + hTt , h > 0. A e C sao estimados por exemplo de modo a minimizar
2 at .
Suavizacao de Holt-Winters
Serie sazonal multiplicativa A serie com perodo s, fator sazonal multiplicativo (Ft ) e tendencia aditiva e Zt = t Ft + Tt + at , t = 1, . . . , T . Equacoes de suavizacao para t = s + 1, . . . , T :
Z Ft = D Zt + (1 D)Fts , 0 < D < 1.
t
Zt = A
Zt Fts
Tt = C(Zt Zt1 ) + (1 C)Tt1 , 0 < C < 1. Observacoes A, C e D sao estimados pelo metodo de mnimos quadrados.
Tendencia e Sazonalidade
19 de Marco de 2009
17 / 19
Tendencia e Sazonalidade
19 de Marco de 2009
18 / 19
Referencia
Referencias
Tendencia e Sazonalidade
19 de Marco de 2009
19 / 19