Please enable JavaScript.
Coggle requires JavaScript to display documents.
Previsão de Séries Temporais, Repositórios de dados diversos, apenas…
Previsão de
Séries Temporais
Decomposição de
Séries Temporais
Componentes de uma série temporal
Tendência
Sazonalidade
Resíduo
Técnicas de Decomposição
Tipos de Séries Temporais
Estacionárias e não estacionárias
testes de estacionariedade
Univariadas e multi-variadas
Modelos de Previsão
Baseline
Naive approach
Clássicos
ARIMA models
Averaging methods
Moving average
Simple Average
Exponential Smoothing Methods
Holt-Winters
multiplicativo
aditivo
Holt's Linear Exponential Smoothing
Single Exponential Smoothing
SES
ARRSES - adaptive response rate SES
Machine Learining
MLP
RNN
LSTM
CNN
N-BEATS
N-HITS
PatchTST
Bibliography
Forecasting: Methods and Applications
,
3rd Ed.
Spyros G. Makridakis et al
Hands-on ML with sklearn, Keras & TensorFlow
Chapter 15
(Processing Sequences using RNNs and CNNs)
Practical Time Series Analysis -
Prediction with Statistics & Machine Learning
Chapter 14
(Financial Applications)
Classroom Notes
Séries Financeiras
Modelos de Previsão
Machine Learning methods
Statistical methods: Baseline and Classical
Volatility models: ARCH, GARCH, EGARCH, GJR-GARCH
Análise Técnica
datasets
Microsoft Stock- Time Series Analysis
Métricas de Avaliação
RMSE
MAPE
MAE
MASE
SMAPE
Python Libraries for
Time Series Forecasting
statsmodel
sktime
prophet
darts
Tipos de Previsão
(classificadas quanto ao
horizonte de previsão)
one-step ahead
(h=1)
multi-step ahead
(h>1)
recursiva
o modelo preve y(t+1), e usa-se essa previsão para estimar y(t+2), e assim sucessivamente (acúmulo de erro)
direta
diversos modelos one-step em paralelo
(ou seja, um prevê y(t+1), outro prevê y(t+2), etc)
MIMO
um único modelo preve y(t+1) até y(t+h)
Repositórios de dados
diversos, apenas para treinar a
aplicação de diferentes técnicas
Data for various application
for ARIMA and SARIMA
Daily Climate time series data
Time Series Datasets
Energy Consumption Time Series Dataset