Eviews: TramoSeats Yöntemi #eviews #tramo/seats #zaman serileri

Neste segmento, o apresentador introduz o método Travesseet, após discutir outros métodos como o de média móvel para análise de séries temporais. Destaca que, ao contrário dos métodos anteriores que assumem componentes determinísticos e podem levar à perda de informações, o método Travesseet é projetado para lidar com a estrutura estocástica dos componentes sazonais em séries temporais. Este método, desenvolvido por Gomez e Maravon em 1996, é útil para prever componentes de tendência e sazonais em séries tanto determinísticas quanto estocásticas.

O método Travesseet divide uma série temporal em quatro componentes principais: sazonal, tendência, cíclico e irregular. Se os coeficientes de um componente não forem significativos, o componente não é calculado, permitindo que o método identifique a ausência de sazonalidade, por exemplo. O método prevê estes componentes ao estender os dados para além do período observado. O apresentador demonstra o uso do método em um software, ajustando parâmetros para previsões de exportação até 2014, destacando as opções de transformação de nível e logaritmica para separar os componentes soma ou produto.

O apresentador explica como interpretar os componentes sazonais e suas transformações de dados, mencionando que o método pode usar transformações lineares ou logaritmicas, que refletem nas separações como soma ou produto. Ele destaca que o Travesseet gera previsões mais precisas ao combinar os componentes de tendência e erros. Também é abordada a formação da série de previsão, utilizando os componentes previsíveis, reforçando a superioridade do método sobre outros métodos convencionais em ajustamento de dados de exportação, com gráficos demonstrando a acurácia.