Decomposição de séries temporais

[et_pb_section admin_label="section"][et_pb_row admin_label="row"][et_pb_column type="1_2"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Abel||||" text_font_size="21" use_border_color="off" border_color="#ffffff" border_style="solid"]

Na seção 03 do nosso Curso de Construção de Cenários e Previsões usando o R fazemos uma introdução a econometria de séries temporais. Observamos lá que uma série temporal $y_{t}$ pode ser decomposta em alguns componentes, como por exemplo:

(1) $\begin{equation*} y_{t} = TD_{t} + sz_{t} + \varepsilon_{t} \end{equation*}$

Onde, no tempo $t$ , $y_{t}$ é uma série temporal, $TD_{t}$ é uma tendência, $sz_{t}$ é um efeito sazonal e $\varepsilon_{t}$ é um termo de erro. Vimos, ademais, que no $\mathbf{R}$ , podemos fazer essa decomposição com a função decompose, como abaixo.

[/et_pb_text][/et_pb_column][et_pb_column type="1_2"][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2018/09/loteextra-1.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]

[/et_pb_image][/et_pb_column][/et_pb_row][et_pb_row admin_label="row"][et_pb_column type="4_4"][et_pb_text admin_label="Texto" background_layout="light" text_orientation="justified" text_font="Abel||||" text_font_size="21" use_border_color="off" border_color="#ffffff" border_style="solid"]

Mais especificamente, podemos dizer que uma tendência existe quando há um aumento ou redução de longo prazo associados aos dados. Já o componente sazonal reflete a influência de um determinado fator externo, que ocorre sempre no mesmo período. A parte cíclica, exposta no termo de erro, exibe comportamentos aleatórios, gerados por choques sobre a série em destaque. Abaixo, alguns exemplos desses comportamentos.

Na seção de Decomposição de Séries Temporais do nosso Curso de Construção de Cenários e Previsões usando o R, por suposto, discutimos um pouco melhor essa ideia, bem como podemos utilizar a mesma para gerar previsões.

[/et_pb_text][et_pb_image admin_label="Imagem" src="https://analisemacro.com.br/wp-content/uploads/2018/08/coversetembro.png" show_in_lightbox="off" url="https://analisemacro.com.br/cursos-de-r/" url_new_window="off" use_overlay="off" animation="off" sticky="off" align="center" force_fullwidth="off" always_center_on_mobile="on" use_border_color="off" border_color="#ffffff" border_style="solid"]

[/et_pb_image][/et_pb_column][/et_pb_row][/et_pb_section]

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Como avaliar modelos de IA na previsão macroeconômica?

Análise exploratória e seleção de séries temporais econômicas para modelagem

Transformers para Análise de Séries Temporais

O que é e como funciona a Arquitetura Transformer

Tratamento e transformação de séries temporais macroeconômicas para modelagem

Como planejar um pipeline de previsão macroeconômica: da coleta ao dashboard

Outros artigos relacionados

Como avaliar modelos de IA na previsão macroeconômica?

Descubra como economistas e cientistas de dados estão combinando econometria e inteligência artificial para aprimorar previsões macroeconômicas. Neste post, você vai entender as principais etapas de avaliação de modelos — da preparação dos dados à validação cruzada — e conhecer as métricas e técnicas que revelam quais métodos realmente entregam as melhores previsões. Uma leitura essencial para quem quer compreender o futuro da análise econômica orientada por dados.

Análise exploratória e seleção de séries temporais econômicas para modelagem

Quer entender como transformar dados econômicos brutos em previsões macroeconômicas precisas? Neste post, mostramos passo a passo como realizar a análise exploratória e seleção de séries temporais com Python — desde o tratamento de dados e remoção de multicolinearidade até a escolha das variáveis mais relevantes usando técnicas de machine learning e econometria. Um guia essencial para quem quer unir teoria econômica e inteligência artificial na prática da previsão macroeconômica.

Transformers para Análise de Séries Temporais

Neste tutorial, mostramos passo a passo como aplicar dados de séries temporais em modelos baseados na arquitetura Transformer, utilizando a biblioteca Darts no Python. Você aprenderá como transformar dados temporais em um formato compatível, ajustar o modelo e gerar previsões. Uma introdução prática e didática à união entre Deep Learning e análise de séries temporais.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!