Os modelos Arima e a abordagem de Box-Jenkins uma aplicação na previsão do IBOVESPA a curtíssimo prazo

Gomes, Francisco Carlos

doi:10.1590/s0034-75901989000200006

Cited by 4 publications

(4 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…A aplicação da metodologia Box-Jenkins para o consumo de energia elétrica foi utilizada por Gomes (1989); Lobo (1991); Zandonade (1993);Neto et al (2006) e Campos (2008). Os estudos dimensionaram as vantagens e desvantagens do método como instrumento de previsão da demanda fundamentado em séries temporais.…”

Section: Introductionunclassified

Previsão do consumo de eletricidade no Nordeste Brasileiro

Coelho¹,

Melquíades²,

Martins³

et al. 2018

Engevista

View full text Add to dashboard Cite

O crescimento do consumo de energia elétrica no Brasil gera impactos no modo de vida da sociedade moderna, quando mostra sua relevância e apresenta diversas possibilidades de estudos. Este artigo analisou a série temporal do consumo de energia elétrica no Nordeste brasileiro, no período de janeiro de 2004 a dezembro de 2013. O método utilizado foi preconizado por Box & Jenkins (1976), por meio dos modelos da família ARIMA. Para a análise da série e a escolha do modelo para previsões do ano de 2013, foi usado como base o Critério de Informação de Akaike, no teste Box-Pierce e no Erro Quadrático Médio de Previsão. Os modelos identificados pelas funções de autocorrelação e de autocorrelação parcial não apresentaram ajustes adequados, sendo necessário buscar novos modelos, de acordo com princípio da parcimônia. O modelo SARIMA(1,1,0)(0,0,1)12 foi que forneceu a melhor previsão para o consumo de energia elétrica no nordeste brasileiro.

show abstract

Section: Introductionunclassified

Previsão do consumo de eletricidade no Nordeste Brasileiro

Coelho¹,

Melquíades²,

Martins³

et al. 2018

Engevista

View full text Add to dashboard Cite

show abstract

“…ARIMA models postulate the possibility of time series are represented by a sequence of "random shocks" underwent three operations: "Filtering", moving averages, autoregressive and integration. Therefore, intuitively one can say that ARIMA models represent the series as a balancing of values and past errors in the series (Gomes, 1989). The representation ARIMA (p, d, q) refers to the orders of auto regression integrated moving average where p represents the number of autoregressive terms, d, the number of differences and q represent the number of terms of a moving average.…”

Section: Introductionmentioning

confidence: 99%

Time Series Models to Obtain the Barrel Crude Oil Prices

Sato

Teixeira²,

Nader³

et al. 2014

MSF

View full text Add to dashboard Cite

The use of time series as an additional tool in decision making for the oil industry has been established as a mechanism for predicting the behavior of crude oil price. Especially in Brazil, after the discovery in this decade of the pre-salt reservoirs, the estimate of the price of a crude oil barrel through the use of modern techniques can minimize risks in exploration and production of oil. The more appropriate pricing for crude oil aims to minimize the risks to the economic activity for both exporters and importers of oil. This paper presents six different methods for obtaining crude oil future pricesi.e.Multiple regression (MR), Holt ́s method (HM), Holt-Winter (HW), Kalman filter (KF), Auto-Regression/Moving-Average (ARIMA) and stochastic simulation based on the use of the Monte Carlo method (SMC). The methods are compared to determine their advantages and disadvantages against each other, seeking to determine which of the generated models has the best potential to determine the future fair price of a barrel of oil. As a result, the most appropriate methodology capable of projecting a more precise future barrel oil fair price was determined, among the six alternatives studied.

show abstract

“…Muitos trabalhos, em diversas áreas, têm sido publicados utilizando essa metodologia. No âmbito nacional pode-se citar Werner & Ribeiro (2003), que realizaram previsões de demanda por computadores, Gomes (1989), qite estimou previsões para o índice IBOVESPA, Ritsso & Camargo (2003), que realizaram previsões de produção de sacaria na indústria têxtil, e Bacchi & Hoffmann (1995) que realizaram previsões para preço de produtos do mercado de carnes. Não foram encontrados trabalhos publicados visando estimar modelos de previsão para preços de leite pagos aos produtores.…”

Section: Introductionunclassified

Determinação De Um Modelo De Previsão Univariado Para Preços De Leite Pagos Aos Produtores Em Santa Catarina

Fachinello¹,

Bacchi²

2009

RAE

View full text Add to dashboard Cite

Este trabalho visa estimar um modelo de previsão univariado, com horizonte de seis meses, para a série preço médio real de leite pago aos produtores do estado de Santa Catarina. Foram então testados cinco possíveis modelos constituídos com a metodologia conhecida como Box-Jenkins, e o modelo de previsão mais parcimonioso e com coeficientes significativos obtido foi um SARIMA (3,0,1)(0,0,||2||)12.

show abstract

Os modelos Arima e a abordagem de Box-Jenkins uma aplicação na previsão do IBOVESPA a curtíssimo prazo

Cited by 4 publications

References 0 publications

Previsão do consumo de eletricidade no Nordeste Brasileiro

Previsão do consumo de eletricidade no Nordeste Brasileiro

Time Series Models to Obtain the Barrel Crude Oil Prices

Determinação De Um Modelo De Previsão Univariado Para Preços De Leite Pagos Aos Produtores Em Santa Catarina

Contact Info

Product

Resources

About