Utilizador:Pedro Rito/Previsão baseada em regras

Origem: Wikilivros, livros abertos por um mundo aberto.
Saltar para a navegação Saltar para a pesquisa

A previsão baseada em regras, Rule Based Forecating (RBF), é um sistema pericial que utiliza o conhecimento do domínio para combinar as previsões de vários métodos de extrapolação. Segundo Armstrong et al. (2001, p. 260), esta é utilizada para determinar as ponderações que se devem atribuir às previsões, através da aplicação de regras de produção (if-then) da seguinte forma: as características da situação são identificadas na parte condicional (if) das regras e as ponderações são ajustadas de maneira a fazerem coincidir as características com os pressupostos subjacentes aos métodos.

A aplicação desta técnica nem sempre é a mais adequada ou útil porém quando são verificadas as seguintes condições esta revela grande utilidade (Armstrong et al., 2001, p. 259):

  • Baseia-se num conhecimento do domínio;
  • O conhecimento do domínio é importante;
  • A série temporal tem um bom comportamento, isto é, tal que as tendências possam ser identificadas;
  • Há uma forte tendência nos dados;
  • O horizonte de previsão é dilatado.

Contudo, todas as previsões têm um erro associado que não pode ser ignorado, e este é influenciado pelas condições anteriormente descritas. Sendo que, em condições ideias, é um terço menor do que o da combinação de pesos iguais, e não se verificando tais condições é idêntico ao atingido com a utilização de outros métodos.

De acordo com Armstrong et al. (2001, p. 259), algumas das regras da RBF podem ser utilizadas conjuntamente com procedimentos de extrapolação tradicionais.

Esta técnica de previsão segue a seguinte metodologia (Armstrong et al., 2001, p. 260-272):

  • Recolher conhecimento para a RBF
    • Deve-se utilizar, inicialmente, a perícia na elaboração de previsões para obter conhecimento sobre as regras;
    • Utilizar protocolos para identificar conhecimentos sobre as regras.
  • Formular as regras
    • A tendência e a amplitude;devem ser consideradas separadamente;
    • Utilizar métodos de extrapolação simples;
    • Combinar previsões;
    • Utilizar modelos diferentes para previsões a curto e longo prazo;
    • Diminuir a tendência à medida que o horizonte temporal se estende.
  • Elementos da RBF
    • Regras associadas ao «if»
      • Utilizar o conhecimento do domínio para descrever as condições que afectaram ou afectarão as séries temporais;
      • Utilizar o conhecimento do domínio para ajustar as observações aos eventos;
      • Decompor as séries temporais para evitar forças causais opostas, caso seja possível elaborar previsões de cada componente tão bem como para as séries alvo;
      • Para definir condições devem utilizar-se as características dos dados históricos das séries temporais.
    • Regras associadas ao «then»
      • Utilizar extrapolação de todas as tendências para reforçar as séries;
      • Deve-se atribuir pouca importância a tendências em séries opostas;
      • Não utilizar a tendência histórica caso as tendências esperadas sejam opostas às tendências estimadas historicamente ;
      • Utilizar uma estimativa conservadora da tendência caso as tendências básica e recente sejam inconsistentes;
      • Ajustar os pesos da extrapolação ao intervalo de tempo das séries;
      • Para estimar os níveis para um modelo a curto prazo deve-se dar mais peso à última observação, particularmente na presença de descontinuidades;
      • Ajustar a estimativa do nível na direcção implícita nas forças causais.

A maior desvantagem desta técnica é o facto de apresentar um custo elevado relativamente aos métodos normais de extrapolação. Todavia, esta consegue ser menos dispendiosa que os métodos econométricos. Uma outra desvantagem desta técnica está relacionada com o facto de utilizar dados históricos, uma vez que implica que as regras impostas tenham de ser cuidadosamente calibradas para esses dados (Armstrong et al., 2001, p. 275).

É de notar que os resultados empíricos obtidos em múltiplos conjuntos de séries temporais demonstram que a RBF apresenta previsões mais precisas do que as obtidas pelos métodos tradicionais (Armstrong et al., 2001, p. 259).