Explorando estimadores robustos e resistentes na reconciliação de previsões de hierarquias desbalanceadas

Séries Temporais Hierárquicas (HTS) representam um conjunto de séries temporais que podem ser agregadas em diferentes níveis, de acordo com uma estrutura hierárquica bem definida. Métodos de previsão hierárquica aproveitam tal estrutura para realizar a reconciliação das previsões de base, gerando resultados teoricamente mais acurados que aqueles fornecidos por métodos independentes. Uma porção considerável das técnicas recentes de previsão hierárquica consistem
em combinar previsões de base por meio de estratégias de reconciliação baseadas em modelos de regressão. No entanto, o sistema de ponderação pode ser comprometido em casos de hierarquias desbalanceadas, causando distorções ao processo de reconciliação. Neste contexto, o presente trabalho busca avaliar empiricamente a aderência de diferentes métodos de reconciliação em tarefas
de previsão de séries temporais de uma hierarquia desbalanceada bem conhecida na literatura de HTS, a de turismo doméstico na Austrália. Os exercícios empíricos consideram tanto métodos clássicos da literatura de HTS como estratégias mais recentes, à exemplo das reconciliações robusta e resistente. No geral, estas duas últimas abordagens mostram resultados promissores de previsão, superando a performance de competidores em múltiplas configurações e mesmo quando diferentes métricas de avaliação são consideradas. Resultados e implicações em termos de tomada de decisão são posteriormente discutidos.