A previsão de séries temporais hierárquicas é uma técnica para analisar e prever dados que se estruturam em diferentes níveis de granularidade. Neste artigo, vamos mergulhar no mundo da modelagem preditiva de séries temporais hierárquicas utilizando Python, explorando os conceitos, métodos e aplicações práticas dessa técnica usando o Python.
Como explicar modelos de previsão de séries temporais econômicas utilizando métodos de Machine Learning? Neste exercício, demonstraremos alguns métodos úteis para avaliar os parâmetros dos preditores em tais modelos. Para isso, utilizaremos o framework da biblioteca Skforecast em Python.
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.
Verificamos a relação entre o Ibovespa e a variação interanual da Formação Bruta de Capital Fixo (FBCF) por meio do procedimento de Toda-Yamamoto usando o Python como ferramenta.
Como que a inflação passada pode afetar a inflação presente? É possível mensurar esse efeito, isto é, o grau de persistência da inflação, por meio de um processo autorregressivo de ordem 1. Mostramos como construí-la utilizando o Python como ferramenta de coleta de dados, análise e ajuste do modelo.
