Academic literature on the topic 'ARIMA models'

This thesis explores whether it is possible to capture communication patterns from web-forums and detect anomalous user behaviour. Data from individuals on web-forums can be downloaded using web-crawlers, and tools as LIWC can make the data meaningful. If user data can be distinguished from white noise, statistical models such as ARIMA can be parametrized to identify the underlying structure and forecast data. It turned out that if enough data is captured, ARIMA models could suggest underlying patterns, therefore anomalous data can be identified. The anomalous data might suggest a change in the users' behaviour.

Lo scopo della tesi è mostrare se una combinazione di previsioni di diversi tipi di modelli possa migliorare le capacità predittive rispetto ai modelli presi separatamente. Sono state utilizzate tre diverse classi di modelli: modelli ARIMA-GARCH, reti neurali e una ibridazione tra queste due classi. La combinazione delle previsioni di queste diverse classi cerca di estrarne le capacità uniche nello spiegare una serie storica, andando oltre la generalizzazione fornita da un unico modello ibrido. Viene presentata una applicazione sulla previsione dell'indice VIX.

The aim of this thesis is to apply and evaluate potential forecasting models for solar power production, based on data from a photovoltaic facility in Sala, Sweden. The thesis evaluates single step forecasting models as well as multiple step forecasting models, where the three compared models for single step forecasting are persistence, autoregressive integrated moving average (ARIMA) and ARIMAX. ARIMAX is an ARIMA model that also takes exogenous predictors in consideration. In this thesis the evaluated exogenous predictor is wind speed. The two compared multiple step models are multiple step persistence and the Gaussian process (GP). Root mean squared error (RMSE) is used as the measurement of evaluation and thus determining the accuracy of the models. Results show that the ARIMAX models performed most accurate in every simulation of the single step models implementation, which implies that adding the exogenous predictor wind speed increases the accuracy. However, the accuracy only increased by 0.04% at most, which is determined as a minimal amount. Moreover, the results show that the GP model was 3% more accurate than the multiple step persistence; however, the GP model could be further developed by adding more training data or exogenous variables to the model.

O setor agrícola é, historicamente, um dos pilares da economia brasileira, e apesar de ter sua importância diminuída com o desenvolvimento do setor industrial e de serviços ainda é responsável por dar dinamismo econômico ao país, bem como garantir a segurança alimentar, auxiliar no controle da inflação e na formação de reservas monetárias. Neste contexto as safras agrícolas exercem grande influência no comportamento do setor e equilíbrio no mercado agrícola. Foram desenvolvidas diversas metodologias de previsão de safra, sendo em sua maioria modelos de simulação de crescimento. Entretanto, recentemente os modelos estatísticos vem sendo utilizados mais comumente devido às suas predições mais rápidas em períodos anteriores à colheita. No presente trabalho foram avaliadas duas destas metodologias, os modelos ARIMA e os Modelos Lineares Dinâmicos (MLD), sendo utilizada tanto a inferência clássica quanto a bayesiana. A avaliação das metodologias deu-se por meio da análise das previsões dos modelos, bem como da facilidade de implementação e poder computacional necessário. As metodologias foram aplicadas a dados de produção de soja para o município de Mamborê-PR, no período de 1980 a 2013, sendo área plantada (ha) e precipitação acumulada (mm) variáveis auxiliares nos modelos de regressão dinâmica. Observou-se que o modelo ARIMA (2,1,0) reparametrizado na forma de um MLD e estimado por meio de máxima verossimilhança, gerou melhores previsões do que aquelas obtidas com o modelo ARIMA(2,1,0) não reparametrizado.<br>The agriculture is, historically, one of Brazil\'s economic pillars, and despite having it\'s importance diminished with the development of the industry and services it still is responsible for giving dynamism to the country inland\'s economy, ensuring food security, controlling inflation and assisting in the formation of monetary reserves. In this context the agricultural crops exercise great influence in the behaviour of the sector and agricultural market balance. Diverse crop forecast methods were developed, most of them being growth simulation models, however, recently the statistical models are being used due to its capability of forecasting early when compared to the other models. In the present thesis two of these methologies were evaluated, ARIMA and Dynamic Linear Models, utilizing both classical and bayesian inference. The forecast accuracy, difficulties in the implementation and computational power were some of the caracteristics utilized to assess model efficiency. The methodologies were applied to Soy production data of Mamborê-PR, in the 1980-2013 period, also noting that planted area (ha) and cumulative precipitation (mm) were auxiliary variables in the dynamic regression. The ARIMA(2,1,0) reparametrized in the DLM form and adjusted through maximum likelihood generated the best forecasts, folowed by the ARIMA(2,1,0) without reparametrization.

Submitted by Johnny Rodrigues (johnnyrodrigues@ufcg.edu.br) on 2018-07-16T19:54:29Z No. of bitstreams: 1 ARELI MESQUITA DA SILVA - DISSERTAÇÃO PPGMAT 2007..pdf: 701919 bytes, checksum: 78ea7b65513f1fe6d83acdb4f3030b43 (MD5)<br>Made available in DSpace on 2018-07-16T19:54:29Z (GMT). No. of bitstreams: 1 ARELI MESQUITA DA SILVA - DISSERTAÇÃO PPGMAT 2007..pdf: 701919 bytes, checksum: 78ea7b65513f1fe6d83acdb4f3030b43 (MD5) Previous issue date: 2007-07<br>Séries temporais envolvendo dados angulares aparecem nas mais diversas áreas do conhecimento. Por exemplo, na perfuração de um poço petrolífero direcional, o deslocamento da broca de perfuração, ao longo da trajetória do poço, pode ser considerado uma realização de uma série temporal de dados angulares. Um dos interesses, neste contexto, consiste em realizar previsões de posicionamentos futuros da broca de perfuração, as quais darão mais apoio ao engenheiro de petróleo na tomada de decisão de quando e como interferir na trajetória de um poço, de modo que este siga o curso planejado. Neste trabalho, estudamos algumas classes de modelos que podem ser utilizados para a modelagem desse tipo de série.<br>Time series involving angular data appear in many diverse areas of scientific knowledge. For example, in the drilling of a directional oil well, the displacement of the drill, along the path of the well, can be considered as an angular data time series. One of the objectives, in this context, consists in carrying out forecasts of the future positions of the drill, which will give more support to the petroleum engineer in the decision-making of when and how interfere in the path of a well, so that this follows the planned course. In this work, we study some classes of models that can be utilized for the modeling of that kind of series.

Mestrado Bolonha em Métodos Quantitativos para a Decisão Económica e Empresarial<br>O consumo online é pauta relevante na sociedade desde o início dos anos 2000. Potencializado pela pandemia global, a importância estratégica deste canal para todos os agentes de mercado é indiscutível. O projeto de pesquisa tem como objetivo apresentar a realidade e evolução do e-commerce em Portugal, a partir da análise de um painel de domicílios, bem como prever a evolução de vendas do canal em 2021. São aplicadas metodologias de alisamento exponencial e modelos de previsão ARIMA de Box-Jenkins a uma base de painel de domicílios concedida pela NielsenIQ - líder mundial em pesquisa de mercado. Conforme espetável, o estudo aponta para uma curva ascendente a nível de vendas do canal até o final de 2021 e deve ser alvo determinante para uma estratégia de sucesso de retalhistas e indústria, bem como uma necessidade latente por parte do consumidor.<br>Online consumption has been a relevant issue in society since the early 2000s. Powered by the global pandemic, the strategic importance of this channel for all market agents is remarkable. This project aims to present the reality and evolution of e-commerce in Portugal, from the analysis of a panel of households, as well as to predict the evolution of the channel's sales in 2021. Exponential smoothing methodologies and models of Box- Jenkins ARIMA are applied in a household panel database provided by NielsenIQ - world leader in market research. As expected, the study points to an upward curve in the channel's sales by the end of 2021 and should be a key target for a successful strategy for retailers and industry, as well as a latent demand for the consumer.<br>info:eu-repo/semantics/publishedVersion

O objetivo principal do presente trabalho é oferecer métodos alternativos de previsão da arrecadação tributária federal, baseados em metodologias de séries temporais, inclusive com a utilização de variáveis explicativas, que reflitam a influência do cenário macroeconômico na arrecadação tributária, com o intuito de melhorar a acurácia da previsão da arrecadação. Para tanto, foram aplicadas as metodologias de modelos dinâmicos univariados, multivariados, quais sejam, Função de Transferência, Auto-regressão Vetorial (VAR), VAR com correção de erro (VEC), Equações Simultâneas, e de modelos Estruturais. O trabalho tem abrangência regional e limita-se à análise de três séries mensais da arrecadação, relativas ao Imposto de Importação, Imposto Sobre a Renda das Pessoas Jurídicas e Contribuição para o Financiamento da Seguridade Social - Cofins, no âmbito da jurisdição do estado de São Paulo, no período de 2000 a 2007. Os resultados das previsões dos modelos acima citados são comparados entre si, com a modelagem ARIMA e com o método dos indicadores, atualmente utilizado pela Secretaria da Receita Federal do Brasil (RFB) para previsão anual da arrecadação tributária, por meio da raiz do erro médio quadrático de previsão (RMSE). A redução média do RMSE foi de 42% em relação ao erro cometido pelo método dos indicadores e de 35% em relação à modelagem ARIMA, além da drástica redução do erro anual de previsão. A utilização de metodologias de séries temporais para a previsão da arrecadação de receitas federais mostrou ser uma alternativa viável ao método dos indicadores, contribuindo para previsões mais precisas, tornando-se ferramenta segura de apoio para a tomada de decisões dos gestores.<br>The main objective of this work is to offer alternative methods for federal tax revenue forecasting, based on methodologies of time series, inclusively with the use of explanatory variables, which reflect the influence of the macroeconomic scenario in the tax collection, for the purpose of improving the accuracy of revenues forecasting. Therefore, there were applied the methodologies of univariate dynamic models, multivariate, namely, Transfer Function, Vector Autoregression (VAR), VAR with error correction (VEC), Simultaneous Equations, and Structural Models. The work has a regional scope and it is limited to the analysis of three series of monthly tax collection of the Import Duty, the Income Tax Law over Legal Entities Revenue and the Contribution for the Social Security Financing Cofins, under the jurisdiction of the state of São Paulo in the period from 2000 to 2007. The results of the forecasts from the models above were compared with each other, with the ARIMA moulding and with the indicators method, currently used by the Secretaria da Receita Federal do Brasil (RFB) to annual foresee of the tax collection, through the root mean square error of approximation (RMSE). The average reduction of RMSE was 42% compared to the error committed by the method of indicators and 35% of the ARIMA model, besides the drastic reduction in the annual forecast error. The use of time-series methodologies to forecast the collection of federal revenues has proved to be a viable alternative to the method of indicators, contributing for more accurate predictions, becoming a safe support tool for the managers decision making process.