Nesse artigo apresentamos o modelo Prophet, através da decomposição das equações e parâmetros, e mostramos um exemplo aplicado com dados para previsão de demanda usando as linguagens de programação R e Python.
Nesse artigo abordamos técnicas de reamostragem de dados, conhecidas como separação treino/validação/teste, úteis para avaliar a acurácia de modelos preditivos. Mostramos exemplos e aplicações das técnicas, destacando o contexto e os desafios que podem emergir, usando problemas de regressão e de classificação com dados temporais e de corte transversal. Códigos dos exemplos são expostos nas linguagens de programação R e Python.
Como estimar um modelo VAR no R com dados do IBGE e do BCB: testes de estacionariedade, escolha de defasagem, diagnóstico, previsão do IPCA 12 meses à frente, função impulso-resposta e decomposição de variância.
Uma série é estacionária quando média, variância e covariância não mudam ao longo do tempo. Este guia explica o conceito do começo (processo estocástico, componentes, ruído branco e passeio aleatório) e ensina a testar a estacionariedade com ADF e KPSS. No fim, aplica os testes a inflação, juros e câmbio e mostra como ler cada resultado.
Neste artigo, vamos apresentar o conceito de autocorrelação na estatística, avaliar sua aplicabilidade no mundo real, verificar como estimar e interpretar e, por fim, vamos ver como aplicar a análise de autocorrelação com dados macro-financeiros do Brasil, usando as linguagens de programação R e Python.