MultiForecast: Faz forecast com diversos metodos

In evandeilton/RTFC: R Trend, Forecast and Correlation/Regression

Description

Em analise...

Usage

MultiForecast(x, Control = cmisControl(), fcMethod=NULL)

Arguments

x	S<c3><a9>rie temporal
fcMethod	M<c3><a9>todo de forecast definida pelo utilizador. Se NULL, a escolha <c3><a9> feita automaticamente.
Control	Argumentos para a an<c3><a1>lise

Details

Esta fun<c3><a7><c3><a3>o utiliza v<c3><a1>rios m<c3><a9>todos de forecast implementados no pacote forecast para fazer modelagem de s<c3><a9>rie temporais. Foi criado para cada m<c3><a9>todo de forecast um wraper que permite ser chamado pela fun<c3><a7><c3><a3>o gen<c3><a9>rica MultiForecast. Estes wrapers s<c3><a3>o:

- stsForecast: Modelos estruturais

- hwForecast: Modelos HoltWinters

- tbatsForecast: Modelos TBATS

- auto.arimaForecast: Modelos ARIMA autom<c3><a1>ticos

- sesForecast: Modelos de suaviza<c3><a7><c3><a3>o exponencial

- meanForecast: Modelos de m<c3><a9>dias simples

- holtForecast: Modelos Holt

- batsForecast: Modelos BATS

- etsForecast: Modelos de estados de espa<c3><a7>o (State Space)

- arimaForecast: Modelos ARIMA fixos

- lmForecast: Modelos lineares

- thetaForecast: Modelos theta

- rwForecast: Modelos random walk (Passeio aleat<c3><b3>rio)

- snaiveForecast: Modelos naive sazonais

- naiveForecast: Modelos naive simples

- nnetarForecast: Modelos de redes neurais (N<c3><a3>o possui limites de predi<c3><a7><c3><a3>o)

- HWsForecast: Modelos HoltWinters sazonais

- HWnsForecast: Modelos HoltWinters n<c3><a3>o sazonais

- HWesForecast: Modelos HoltWinters com alizamento exponencial

No caso dos modelos ETS e ARIMA autom<c3><a1>ticos, a escolha dos melhores ajustes <c3><a9> feita pela estat<c3><ad>stica AIC, para os outros tipos de modelos o ajuste <c3><a9> feito sobre os dados sem crit<c3><a9>rio de bondade para a rodada inicial de ajustes. A escolha final dos melhores modelos <c3><a9> feita automaticamente utilizando a estat<c3><ad>stica definida no Controle. O padr<c3><a3>o <c3><a9> MAPE (Erro M<c3><a9>dio Absoluto Percentual).

Em complemento o analista pode observar as estat<c3><ad>sticas de acur<c3><a1>cia e de qualidade do res<c3><ad>duos utilizando func<c3><a7><c3><b5>es especiais como Acuracia e Mresid no caso de uma an<c3><a1>lise fina individualmente, pois o objeto de sa<c3><ad>da cont<c3><a9>m os modelos escolhidos e permite acesso.

Value

Lista com os melhores modelos de forecast escolhidos.

Author(s)

LOPES, J. E.

References

Hyndman, R.J. and Khandakar, Y. (2008) "Automatic time series forecasting: The forecast package for R", Journal of Statistical Software, 26(3).

See Also

switch.cvforecast

Examples

## Dados
data(diario)

## Controle
Control <- cmisControl(
  maxHorizon = 45,
  level = 95,
  onlyfc = FALSE,
  cvMethod = "MAPE",
  tsfrequency = "day",
  outputFormat = "forecast"
)

fit <- MultiForecast(diario[,2], Control)
# Analise de residuos (p.valor dos testes)
 sapply(fit, Mresid)
# Estat<c3><ad>stica dos modelos
 sapply(fit, tsSummary)

evandeilton/RTFC documentation built on May 29, 2019, 10:37 a.m.