Neste exercício, exploramos como o framework da biblioteca skforecast do Python pode ser extremamente útil para a previsão de séries temporais econômicas, utilizando como exemplo as variações no desemprego dos EUA ao longo de um horizonte de 1 ano.
Como criar previsões através de modelos de machine learning de dados de séries temporais? Neste tutorial mostramos como a biblioteca skforecast do Python pode facilitar todo o trabalho.
A previsão de demanda é um componente essencial da análise econômica e empresarial. Para avaliar a precisão das previsões, diversas métricas de erro são utilizadas. Entre elas, o Erro Percentual Absoluto Médio (MAPE – Mean Absolute Percentage Error) é uma das mais conhecidas. Neste artigo discutimos suas vantagens e desvantagens com exemplos.
Estimamos no Python uma regra de Taylor com mudança de regime para a Selic, com dados do Banco Central e da IFI. O tutorial compara especificações, confere a convergência e mostra a matriz de transição, a duração e as probabilidades dos regimes.
Janelas Móveis/Deslizantes, ou Rolling Windows, são termos frequentes na análise de séries temporais. Mas o que são e como aplicá-las no Python? Neste tutorial, mostramos como essa ferramenta é essencial para a análise de dados utilizando como exemplo a correlação móvel de ações brasileiras.