Previsão de preços de commodities com modelos ARIMA-GARCH e redes neurais com ondaletas: velhas tecnologias - novos resultados
O objetivo principal do trabalho aqui apresentado foi explorar a aplicação de uma metodologia capaz de decompor uma série temporal via ondaletas, conjuntamente com os modelos econométricos e de redes neurais para a previsão de variáveis. Adicionalmente, foi comparada a qualidade de previsões de suce...
| Autores: | , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2010 |
| País: | Brasil |
| Institución: | Universidade de São Paulo (USP) |
| Repositorio: | Revista de Administração (São Paulo) |
| Idioma: | portugués |
| OAI Identifier: | oai:revistas.usp.br:article/44503 |
| Acceso en línea: | https://revistas.usp.br/rausp/article/view/44503 |
| Access Level: | acceso abierto |
| Palabra clave: | forecasting wavelets time series commodities predicción series temporales previsão ondaletas séries temporais |
| Sumario: | O objetivo principal do trabalho aqui apresentado foi explorar a aplicação de uma metodologia capaz de decompor uma série temporal via ondaletas, conjuntamente com os modelos econométricos e de redes neurais para a previsão de variáveis. Adicionalmente, foi comparada a qualidade de previsões de sucessões cronológicas aplicadas ao estudo da commodity da soja. O diferencial do trabalho baseia-se na realização das previsões dentro das subséries decompostas por uma ondaleta e na obtenção de estimativas via reconstrução da série temporal. Pela análise dos dados da saca de 60 quilos de soja, os resultados foram particularmente satisfatórios quando se trabalhou com o filtro de ondaletas em uma rede neural recorrente. |
|---|