Previsão de demanda de crédito na região centro-oeste do Brasil

In this assignment, forecasts were made of the series of credits in the Center-West region of Brazil. The methods of Box-Jenkins and Holt-Winters, Additive and Multiplicative, as well as the linear combination of these two were used he models were obtained by minimizing the RMSE error, with the exce...

ver descrição completa

Autor principal: Soares, Lucas Duarte
Formato: Trabalho de Conclusão de Curso (Graduação)
Idioma: Português
Publicado em: Universidade Tecnológica Federal do Paraná 2020
Assuntos:
Acesso em linha: http://repositorio.utfpr.edu.br/jspui/handle/1/12745
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id riut-1-12745
recordtype dspace
spelling riut-1-127452020-11-16T13:51:13Z Previsão de demanda de crédito na região centro-oeste do Brasil Credit demand forecasting in the midwest of Brazil Soares, Lucas Duarte Teixeira, Levi Lopes Rodrigues, Samuel Bellido Teixeira, Levi Lopes Rodrigues, Samuel Bellido Santos, Cleverson Gonçalves dos Kunh, Peterson Diego Modelagem Análise de séries temporais Otimização matemática Modelyng Time-series analysis Mathematical optimization CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO In this assignment, forecasts were made of the series of credits in the Center-West region of Brazil. The methods of Box-Jenkins and Holt-Winters, Additive and Multiplicative, as well as the linear combination of these two were used he models were obtained by minimizing the RMSE error, with the exception of the ARIMA model, which was based on the Box-Jenkins methodology, and its predictions were compared to each other by means of the mean absolute error (MAPE) for both training sample and sample. In the training sample, the MAPE obtained with the linear combination model was 4,62%. With individual Box-Jenkins, HW Additive and HW Multiplicative methods was 4,58%, 4,71% and 5,61%, respectively. While for the test sample, the MAPE obtained with the linearly combined model was 6,11%. With the individual Box-Jenkins, HW Additive and HW Multiplicative methods the was 7,66%, 6,18% and 5,4%, respectively. The composite model provided better predictions than the individual ones in the training sample. Neste trabalho realizou-se previsões da série de créditos na região Centro-Oeste do Brasil. Para tanto, utilizou-se os métodos de Box-Jenkins e Holt-Winters, Aditivo e Multiplicativo, bem como a combinação linear destes. Os modelos foram obtidos pela minimização do erro RMSE, com exceção do modelo ARIMA, que foi baseado na metodologia Box-Jenkins, e suas previsões foram comparadas entre si por intermédio do erro médio percentual absoluto (MAPE), tanto para amostra de treino quanto para amostra de teste. Na amostra de treino, o MAPE obtido com o modelo de combinação linear foi de 4,62%. Com os métodos individuais de Box-Jenkins, HW Aditivo e HW Multiplicativo ele ficou em 4,58%, 4,71% e 5,61%, respectivamente. Enquanto que para amostra de teste, o MAPE obtido com o modelo combinado linearmente foi de 6,11%. Com os métodos individuais de Box-Jenkins, HW Aditivo e HW Multiplicativo o mesmo ficou em 7,66%, 6,18% e 5,4%, respectivamente. O modelo composto forneceu previsões melhores em relação aos individuais na amostra treino. 2020-11-16T13:51:13Z 2020-11-16T13:51:13Z 2018-06-12 bachelorThesis SOARES, Lucas Duarte. Previsão de demanda de crédito na região centro-oeste do Brasil. 2018. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) – Universidade Tecnológica Federal do Paraná, Medianeira, 2018. http://repositorio.utfpr.edu.br/jspui/handle/1/12745 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Medianeira Brasil Engenharia de Produção UTFPR
institution Universidade Tecnológica Federal do Paraná
collection RIUT
language Português
topic Modelagem
Análise de séries temporais
Otimização matemática
Modelyng
Time-series analysis
Mathematical optimization
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
spellingShingle Modelagem
Análise de séries temporais
Otimização matemática
Modelyng
Time-series analysis
Mathematical optimization
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Soares, Lucas Duarte
Previsão de demanda de crédito na região centro-oeste do Brasil
description In this assignment, forecasts were made of the series of credits in the Center-West region of Brazil. The methods of Box-Jenkins and Holt-Winters, Additive and Multiplicative, as well as the linear combination of these two were used he models were obtained by minimizing the RMSE error, with the exception of the ARIMA model, which was based on the Box-Jenkins methodology, and its predictions were compared to each other by means of the mean absolute error (MAPE) for both training sample and sample. In the training sample, the MAPE obtained with the linear combination model was 4,62%. With individual Box-Jenkins, HW Additive and HW Multiplicative methods was 4,58%, 4,71% and 5,61%, respectively. While for the test sample, the MAPE obtained with the linearly combined model was 6,11%. With the individual Box-Jenkins, HW Additive and HW Multiplicative methods the was 7,66%, 6,18% and 5,4%, respectively. The composite model provided better predictions than the individual ones in the training sample.
format Trabalho de Conclusão de Curso (Graduação)
author Soares, Lucas Duarte
author_sort Soares, Lucas Duarte
title Previsão de demanda de crédito na região centro-oeste do Brasil
title_short Previsão de demanda de crédito na região centro-oeste do Brasil
title_full Previsão de demanda de crédito na região centro-oeste do Brasil
title_fullStr Previsão de demanda de crédito na região centro-oeste do Brasil
title_full_unstemmed Previsão de demanda de crédito na região centro-oeste do Brasil
title_sort previsão de demanda de crédito na região centro-oeste do brasil
publisher Universidade Tecnológica Federal do Paraná
publishDate 2020
citation SOARES, Lucas Duarte. Previsão de demanda de crédito na região centro-oeste do Brasil. 2018. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) – Universidade Tecnológica Federal do Paraná, Medianeira, 2018.
url http://repositorio.utfpr.edu.br/jspui/handle/1/12745
_version_ 1805308271511207936
score 10,814766