O presente estudo, apresenta um conjunto de propostas metodológicas
relacionadas a reconciliação de previsões em Séries Temporais Hierárquicas.
O principal objetivo é apresentar soluções originais ao tema, buscando obter
previsões mais acuradas do que as obtidas por modelos independentes para
os diferentes nÃveis da hierarquia. Os estudos foram realizados considerando
dados reais, mostrando a potencialidade de aplicação dos métodos desenvolvidos em diferentes cenários, onde as series temporais são estruturadas de forma
hierárquica. Esta tese é composta por um conjunto de ensaios que exploram
a reconciliação de previsão sob a ótica de um modelo de regressão, que dá
origem a reconciliação ótima. A primeira contribuição trata do problema da
reconciliação de previsões na perspectiva de estimadores robustos. A proposta
apresenta uma contribuição original aplicada a dados dos de pesquisas de força
de trabalho no Brasil, apresentando um conjunto de soluções que podem direcionar polÃticas públicas eficientes. Neste caso, as previsões reconciliadas obtidas através de estimadores robustos possibilitaram um maior ganho em termos
acurácia e uma performance equivalente aos métodos que representam o estado da arte sobre reconciliação de previsões em séries temporais hierárquicas.
A segunda contribuição trata do problema da reconciliação ótima em séries
de consumo de energia no Brasil, apresentado uma proposta alternativa, menos sensÃvel a valores estremos. Os resultados obtidos neste segundo trabalho
apresentam melhoramentos consideráveis em métricas de avaliação padrão no
que diz respeito as novas previsões. Uma terceira proposta busca oferecer uma
estrutura alternativa de covariância dos erros de previsão, que irá ampliar o
conjunto de propostas apresentadas na literatura para o método de reconciliação denominado por MinT (do inglês, Minimum Trace) , que minimiza os
erros de reconciliação, oferecendo um estimador de variância mÃnima.
|