Análise de Séries Temporais e Predição

Conhecimentos de Base Recomendados

Álgebra Linear, Probabilidades, Processamento de sinal, Matlab

Métodos de Ensino

O processo de ensino/aprendizagem observa uma abordagem de aprendizagem colaborativa, que se baseia na apresentação, análise e discussão e conceitos e técnicas em aulas teóricas e teórico-práticas.
Aulas teóricas (2 horas semana): Exposição dos conceitos, princípios e técnicas fundamentais no âmbito da análise de séries temporais e de predição. Exemplos que concretizem o interesse prático da matéria e exemplifiquem a sua aplicação a situações reais
Aulas práticas (2 horas semana): Propostas de problemas práticos relacionados com os assuntos leccionados na teórica, a sua análise e respectiva di

Resultados de Aprendizagem

Esta UC introduz os conceitos fundamentais relativos à teoria, ao projecto e à implementação de métodos de análise de séries temporais tendo principalmente em vista tarefas de predição, com aplicação a vários domínios. O curso abrange técnicas lineares e não lineares de análise de séries temporais, assim como metodologias para a construção de modelos preditivos, de forma a permitir realizar inferências com aplicação em sistemas de prognóstico e de suporte à decisão.
Este curso permitirá aos alunos compreender, identificar, seleccionar e implementar métodos de análise de séries temporais e de predição adequados aos problemas concretos a resolver.  A unidade curricular contribui para a aquisição das seguintes competências: 1. Instrumentais: capacidade de análise e de síntese em problemas complexos; competência de resolução de problemas concretos no âmbito da predição de séries temporais. 2. Pessoais: trabalho em grupo; raciocínio critico; 3. Sistémicas: auto-aprendizagem; investigação.

Estágio(s)

Não

Programa

Introdução e conceitos
Definições, objectivos e aplicações de análise e previsão de séries temporais
Abordagens na análise de séries temporais, métodos de previsão

1 | Métodos Lineares
Métodos regressivos, parâmetros, métodos dos mínimos quadrados, autocorrelação
Ordem de modelos (critério information-theoretic and minimum description length)
Estacionaridade e não-estacionaridade, tendências
Modelos AR e ARMAX
Modelos ARIMA
Probabilidade e intervalos de confiança
Modelos de regressão univariada e multivariada

2 | Métodos não lineares
Sazonalidade e suavização exponencial
Método Holt-Winters
Processos heteroscedimensionais condicionais auto-regressivos generalizados
Dinâmica não linear e caos
Modelos regressivos não lineares - redes neurais
Abordagens de raciocínio baseadas em casos

3 | Comparação e desempenho de métodos de previsão
Métricas de previsão, comparação de modelos, medidas de complexidade

4 | Aplicações
Prognóstico em aplicações biomédicas, previsões económicas, finanças

Métodos de Avaliação

Avaliação
Projecto: 50.0%
Exame: 50.0%

Bibliografia

Linear Models and Time-Series Analysis Regression, ANOVA, ARMA and GARCH; Marc S. Paolella; 2019 JohnWiley & Sons Ltd; ISBN 9781119431985 (ePub) | ISBN 9781119431909

Time-Series Prediction and Applications - A Machine Intelligence Approach; Amit Konar, Diptendu Bhattacharya; 2017 Springer; ISBN 978-3-319-54596-7

Elements of Nonlinear Time Series Analysis and Forecasting; J. De Gooijer; 2017 Springer Series in Statistics; ISBN 978-3-319-43251-9

Nonlinear time Series analysis; Ruey S. Tsay, Rong Chen; 2019 John Wiley & Sons, Inc.; ISBN 9781119264064

Applied Time Series Analysis A Practical Guide to Modeling and Forecasting; Terence C. Mills; 2019 Elsevier Inc; ISBN: 978-0-12-813117-6