11.2 Prophet

Prophet é um modelo aditivo em que as tendências não lineares são ajustadas à sazonalidade anual, semanal e diária, além dos efeitos de feriados. Foi proposto por (S. J. Taylor and Letham 2018) baseado em (Harvey and Peters 1990). (S. Taylor and Letham 2021) apresentam o pacote prophet, no qual implementam o modelo que “funciona melhor com séries temporais com fortes efeitos sazonais e várias temporadas de dados históricos”. Os autores ainda comentam que “[o] Prophet é robusto para dados faltantes e mudanças na tendência, e usualmente lida bem com outliers¹².

Referências

Harvey, Andrew C, and Simon Peters. 1990. “Estimation Procedures for Structural Time Series Models.” Journal of Forecasting 9 (2): 89–108. http://www.stat.yale.edu/~lc436/papers/Harvey_Peters1990.pdf.

Taylor, Sean J, and Benjamin Letham. 2018. “Forecasting at Scale.” The American Statistician 72 (1): 37–45. https://peerj.com/preprints/3190/.

Taylor, Sean, and Ben Letham. 2021. Prophet: Automatic Forecasting Procedure. https://CRAN.R-project.org/package=prophet.

---

12. Implements a procedure for forecasting time series data based on an additive model where non-linear trends are fit with yearly, weekly, and daily seasonality, plus holiday effects. It works best with time series that have strong seasonal effects and several seasons of historical data. Prophet is robust to missing data and shifts in the trend, and typically handles outliers well.↩︎