[en] BAYESIAN MODELS TO FORECAST MULTIVARIANTS SEASONAL FACTORS AND SOME APPLICATIONS

• Main Author: REGINA SADOWNIK
• Other Authors: EMANUEL PIMENTEL BARBOSA
• Language: pt
• Published: MAXWELL 2006
• Subjects: [pt] SERIES TEMPORAIS; [en] TIME SERIES; [pt] ENERGIA ELETRICA; [en] ELECTRIC ENERGY; [pt] MODELO BAYESIANO; [en] BAYESIAN MODEL
• Online Access: https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8612@1; https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=8612@2; http://doi.org/10.17771/PUCRio.acad.8612

[pt] Esta tese concentra-se essencialmente em modelos para análise e previsão de séries temporais vetoriais onde o comportamento sazonal é o foco principal, e no procedimento Bayesiano correspondente de estimação seqüencial. A estrutura básica do modelo multivariado proposto, não- linear, de crescimento sazonal multiplicativo para séries temporais, consiste de uma componente de tendência localmente linear para cada série individual e uma única componente sazonal, multiplicativa, compartilhada por todas as séries marginais. O procedimento de estimação seqüencial baseia-se em aproximações analíticas que viabilizam uma análise conjugada, representando uma extensão não-linear do algoritmo apresentado em Barbosa and Harrison (1992) para modelos lineares dinâmicos multivariados. Detalhes do modelo proposto e sua implementação são apresentados, assim como exemplos da aplicação do método, com dados simulados e reais. Para os dados reais, escolheu-se os valores do consumo de energia elétrica no Brasil, cuja metodologia de previsão adotada pelas empresas de energia também faz parte deste trabalho. === [en] This thesis is essentially devoted to models for analysis and forecasting of vector time series, where the seasonal behavior is the main focus, and a Bayesian procedure of sequential estimation is adopted. The basic structure of the non-linear multivariate model, of seasonal growth multiplicative for time series, consists of a locally linear trend component for each individual series and a shared multiplicative seasonal component common to all marginal series. The procedure of sequential estimation is based on analytic transformations to obtain a conjugate analysis, representing a non-linear extension of the algorithm by Barbosa and Harrison (1992) for multivariate dynamic linear models. Details of the proposed procedure and of the implementation are shown, as well examples of the application of the method, with simulated and real data. For real data, the brazilian electricity demand values were chose. The forecasting methodology adopted by the energy companies is also present in this work.