NEURAL NETWORKS VERSUS TIME SERIES METHODS: A FORECASTING EXERCISE
Marcelo Savino Portugal · LA Referencia (Red Federada de Repositorios Institucionales de Publicaciones Científicas) · 1995
This paper presents an empirical exercise in economic lorecast using traditional time series methods, such as ARlMA, and unobservable components models (VCM), and artificial neural networks (ANN). We use monthly gross industrial output data for the state ofRio Grande do Sul (Drazil) to per-lorm a comparative exercise and access the relative perlormance ofthe dirrerent forecasting methods. The results show that ANN lorecast more accurately than ARIMA models, but the comparison with VCM is not quite straightli.mvard. The VCM is found to produce beuer one step ahead forecast than the ANN, but the perlormance ofthe ANN lor larger lorecasts horizons shows that, specially once a proper modeling methodology has been established, it may be a valuable tool to economic forecasting. Este artigo apresenta um exercício empírico que tenta comparar a capacidade preditiva de um modelo de redes neurais artiliciais (ANN) com modelos de série de tempo tradicionais, como ARIMA e mo-delos de decomposição em componentes não-observados (VCM). Para tanto, utilizamos a série de produção industrial para o estado do Rio Grande do Sul. Os resultados mostram que o modelo de ANN prevê melhor que o modelo ARIMA, mas é superado pelo VCM nas previsões um passo a fren-