Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/15690
Título: Previsão de demanda de crédito na região centro-oeste do Brasil
Título(s) alternativo(s): Credit demand forecasting in the midwest of Brazil
Autor(es): Soares, Lucas Duarte
Orientador(es): Teixeira, Levi Lopes
Palavras-chave: Modelagem
Análise de séries temporais
Otimização matemática
Modelyng
Time-series analysis
Mathematical optimization
Data do documento: 12-Jun-2018
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Medianeira
Referência: 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.
Resumo: 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.
Abstract: 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.
URI: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/15690
Aparece nas coleções:MD - Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
demandacreditocentrooeste.pdf1,03 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.