Previsão de series temporais via seleção de variaveis, reconstrução dinamica, ARMA-GARCH e redes neurais artificiais / Time series prediction by means of variable selection, dynamic reconstruction, ARMA-GARCH and artificial neural networks

AUTOR(ES)
DATA DE PUBLICAÇÃO

2007

RESUMO

A inferência sobre a previsibilidade de sistemas dinâmicos não lineares multivariados tem sido freqüentemente realizada a partir de testes que podem induzir à conclusões equivocadas. Isto porque em muitas pesquisas realizadas os testes utilizados são o de autocorrelação, o da razão de variância e do espectro, que só verificam a existência ou não da correlação serial de componentes lineares. Neste trabalho, também são utilizados testes para avaliar a correlação serial de componentes não lineares. Busca-se provar empiricamente se as classes de modelos ARMA-GARCH e neurais, bem como a combinação deles, tem qualidade de previsão superior ao modelo diferença Martingale em previsões na média condicional dos retornos da taxa de câmbio brasileira e da umidade em microclima. Um método de seleção de variáveis é proposto para melhorar os resultados obtidos com modelos de previsão multivariados não baseados em teoria. As não linearidades negligenciadas durante o ajuste dos modelos neurais são avaliadas por meio do teste de Blake and Kapetanios (2003). O teste de White (2000) é utilizado para comparar os modelos de previsão propostos em conjunto com o modelo benchmark. Foi constatado empiricamente que os dois processos analisados não são do tipo diferença Martingale.

ASSUNTO(S)

previsão de series temporais redes neurais artificiais variable selection exchange rates seleção de variaveis cambio artificial neural networks econometria time series prediction arma-garch

ACESSO AO ARTIGO

Documentos Relacionados