Título:	Uso de Modelos de Decomposicão em Componentes Não Observáveis para predição de séries temporais não estacionárias de commodities agrícolas.
Autoria:	MIELKE, L. V. VILLAS BOAS, P. R.
Afiliação:	ICMC - USP; PAULINO RIBEIRO VILLAS BOAS, CNPDIA.
Ano de publicação:	2023
Referência:	In: II WORKSHOP DE MATEMÁTICA, ESTATÍSTICA E COMPUTAÇÃO APLICADAS À INDÚSTRIA - WMECAI, 2023, São Carlos, SP.
Páginas:	4 p.
Conteúdo:	A predição de séries temporais é frequentemente feita por Modelos Autoregressivos de Médias Móveis (ARMA, Autoregressive Moving Average em inglês) sendo a principal desvantagem desses modelos o requisito de que as séries temporais estudadas sejam estacionárias, o que frequentemente nao ocorre [1]. Para contornar esse problema, geralmente são feitos processos de diferenciacão de dados, que podem ser feitos diretamente no conjunto de dados ao se calcular a diferença do valor da variável no passo t com o valor do passo anterior t − 1 [4], ou configurando os modelos para diferenciar sucessivamente a série analisada até ela se tornar estacionária, como no caso dos Modelos Autorregressivos Integrados de Médias Móveis (ARIMA, Autoregressive Integrated Moving Average, em inglês) e suas variações [3]. Apesar da possibilidade de diferenciação, os resultados dos modelos ARIMA continuam sendo sensíveis a dados perturbados e que não se desenvolvem ao redor de uma média constante [3]. Diante disso, os Modelos de Decomposico em Componentes Não Observáveis (UCM, Unobserved Component Model, em Inglês) surgem como uma alternativa promissora a esses modelos por não assumirem estacionariedade dos dados, além disso, os modelos UCM podem ser compreendidos em componentes de tendência, ciclo e perturbação, o que os torna especialmente úteis para analisar séries que possuem ciclo, como é o caso das culturas agrícolas [1]. Diante disso, o objetivo desse estudo foi comparar o desempenho de Modelos de Decomposição em Componentes Não Observáveis com o desempenho de Modelos Autoregressivos de Médias Móveis para a predição.
Palavras-chave:	Modelos Autoregressivos de Médias Móveis Estacionariedade
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPDIA)