Quando uma variável é medida e registrada sequencialmente em tempo durante ou em um intervalo fixo, chamado de intervalo amostral, os dados resultantes são chamados de Série Temporal. Observações coletadas em um intervalo amostral no passado recebem o nome de série temporal histórica e são usadas para analisar e entender o passado e para prever o futuro.
Em outras palavras, série temporal é uma sequência de dados em ordem cronológica. Séries Temporais são um vasto assunto em estatística que possui seus próprios subcampos de conhecimento: análise de séries temporais, previsão, análise e tratamento de outliers, análise de changepoints, séries temporais interrompidas, estudo de eventos, trading, etc. A quantidade de material em livros, artigos científicos e textos em blogs acompanha esse ritmo, o que pode tornar difícil saber por onde começar a estudar.
Durante o desenvolvimento do meu TCC na Graduação (MULTIPLE AUTOMATIC FORECAST SELECTION (MAFS): PROPOSTA DE SISTEMA DE AUTOMAÇÃO DE PREVISÃO DE DEMANDA, que você pode ler aqui), tive de ler diversas referências sobre Séries Temporais.
Como os livros de Séries Temporais acabam sendo meio repetitivos, trago aqui os dois melhores na minha opinião, além de dicas de outros tipos de materiais:
Livros
1 – HYNDMAN, R.J., ATHANASOPOULOS, G. (2017) Forecasting: principles and practice.
Forecasting: principles and practices é um excelente referência escrita por Rob Hyndman, uma das maiores autoridades sobre Séries Temporais do mundo. Felizmente, Hyndman publicou este livro de graça na Internet. Além de aprender conceitos teóricos fundamentais para o entendimento do assunto, o livro também é rico em exemplos de código R, permitindo ao leitor colocar em prática imediatamente o que aprende durante a leitura. A linguagem usada no livro é bem acessível mesmo para quem não é acadêmico.
Para quem não sabe, Hyndman é autor do pacote forecast, o principal pacote de previsão de séries temporais da linguagem R.
2 – COWPERTWAIT; METCALFE. Introductory Time Series with R (2009).
Apesar da palavra introdução constar no título do livro, Introductory Time Series with R é notoriamente mais teórico que o primeiro da lista, apesar de também trazer exemplos práticos em R para quem deseja colocar as mãos na massa. Ideal para quem deseja se aprofundar na formulação matemática dos conceitos apresentados, aboda ainda alguns assuntos não cobertos por Forecasting: principles and practice, como processos de memória longa, análise de espectro, correlação espúria e testes unitários. Todos os capítulos acompanham exemplos de aplicação das técnicas estudadas.
Papers
Artigos acadêmicos sobre séries temporais existem em abundância. Para achar uma boa referência que seja útil aos interesses, vale pesquisar no Google Scholar temas específicos. Por exemplo:
3. Séries temporais intermitentes: KOENIG, A. Previsão de demanda em séries temporais intermitentes mediante a utilização do método de Croston. 2014. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Santa Catarina, Florianópolis, 2014;
4. Métodos qualitativos para previsão: LEE, C. K.; SONG, H. J.; MJELDE, J. W. (2008). The forecasting of International Expo tourism using quantitative and qualitative techniques. Tourism Management, v.29, p.1084-1098, 2008;5
5. Aplicação de redes neurais em séries temporais: BRANCO, S. T.; SAMPAIO, R. J. B. Aplicação de redes neurais artificiais em modelos de previsão da demanda para equipamentos de infraestrutura de telecomunicações. In: XXVII ENCONTRO NACIONAL DE ENGENHARIA DE PRODUÇÃO. Rio de Janeiro, 2008.
Conteúdo online
6. Texto no blog do Revolution Analytics com mais dicas de livros sobre séries temporais;
7. Um breve porém completo tutorial de modelagem de séries temporais no Analytics Vidhya;
8. The R Trader, um blog sobre R aplicado ao mercado financeiro;
9. Hyndsight, o blog do Rob Hyndman;
10. Peter’s stats stuff, o blog do autor do pacote forecastHybrid;
11. Google em geral: Uma boa dica para achar conteúdo bom relacionado a um tema bem específico de séries temporais é usar truques do Google de busca avançada, como filetype:pdf ou site:edu. Por exemplo, se você deseja aprender mais sobre séries temporais interrompidas, você pode pesquisar por interrupted time series site:edu.
Quer aprender a programar com linguagem R?
A linguagem em R é um ambiente de programação com bastante destaque na Ciência de Dados. O curso Ciência de Dados com R contará com mais de 10 aulas práticas, ao vivo para interação com os professores e execução das atividades no StudioR.
Inscreva-se agora e confira todos os detalhes!
