Título: COMPARAÇÃO ENTRE ABORDAGENS DE PREVISÃO DE SÉRIES TEMPORAIS BASEADAS EM MODELOS HOLT-WINTERS E REDES NEURAIS ARTIFICIAIS
Autores: Kirsten, Heitor Andre; Rhoten, Thiago; Coelho, Leandro dos Santos
Resumo: A previsão de séries temporais é um problema que tem recebido especial atenção devida sua fundamental Resumo importância nas análises e tomadas de decisões em todos os segmentos. O Holt-Winters é um modelo de previsão exponencial, conhecido por lidar com elementos de tendência e sazonalidade de uma série temporal. As redes neurais artificiais têm se mostrado grandes ferramentas na aplicação de previsões de séries temporais, bem como sua capacidade de paralelismo e nãolinearidade chamam a atenção para sua utilização. O objetivo deste artigo foi a comparação entre os modelos de previsão HoltWinters, redes neurais MLP (MultiLayer Perceptron) e RBF (Radial Basis Function) quando da previsão um passo a frente para a série temporal financeira do índice Nasdaq Composite (^IXIC). O resultado encontrado foi que a rede neural MLP superou os modelos Holt-Winters e a rede neural RBF para a previsão um passo a frente da série temporal do índice NASDAQ Composite.
Palavras-chave: Previsão; Séries Temporais; Holt-Winters; Redes Neurais Artificiais
Páginas: 5
Código DOI: 10.21528/CBRN2003-009
Artigo em PDF: 177_CBRN2009.pdf
Arquivo BibTex: 177_CBRN2009.bib