Forecasting economic time series using chaotic neural networks

Esta dissertação descreve a aplicação do KIII, um modelo de rede neural biologicamente mais plausível, para a previsão de séries temporais econômicas. Os conjuntos K são modelos conexionistas baseados em populações de neurônios e foram usados em muitas aplicações de aprendizado de máquina, incluindo previsões de séries temporais. Nesta dissertação, este método foi aplicado ao IPCA, um índice de preços ao consumidor brasileiro pesquisado pelo IBGE em 13 regiões metropolitanas. Os valores abrangem o período de agosto de 1994 a junho de 2017. Os experimentos foram realizados utilizando quatro modelos não-paramétricos (KIII, kNN contínuo, RNAs clássicas e SVM) e seis métodos paramétricos: ARIMA, SARIMA, Médias Móveis, SES, Holt, Holt-Winters Aditivo e Holt-Winters Multiplicativo. A médida estatística RMSE foi utilizada para comparar o desempenho dos métodos. Os conjuntos KIII de Freeman funcionaram bem como um filtro, melhorando o desempenho do método, mas não foram um bom método de previsão, sendo superado, na maior parte dos experimentos, por outros métodos de previsão de séries temporais. Esta dissertação contribui com o uso de modelos não paramétricos para prever a inflação em um país em desenvolvimento.This thesis describes the application of KIII, a biologically more plausible neural network model, for forecasting economic time series. K-sets are connectionist models based on neural populations and have been used in many machine learning applications, including time series prediction. In this thesis, this method was applied to IPCA, a Brazilian consumer price index surveyed by IBGE in 13 metropolitan areas. The values ranged from August 1994 to June 2017. Experiments were performed using four non-parametric models (KIII, continuous kNN, classical ANN, and SVM) and four parametric methods: ARIMA, SARIMA, Moving Average, SES, Holt, Additive HoltWinters, and Multiplicative HoltWinters. The statistical metric RMSE was used to compare methods performance. Freemans KIII sets worked well as filter, improving method performance, but it was not a good prediction method, and was overcome in most experiments by other time series prediction methods. This thesis contributes with the use of non-parametrics models for forecasting inflation in a developing country