Os métodos estatísticos para análise de séries temporais encontram-se amplamente desenvolvidos na literatura e vários modelos clássicos preditivos estão disponíveis em softwares estatísticos. Contudo, cada modelo clássico exige suposições relacionadas às características dos dados, e o uso adequado dos modelos exigirá verificações dessas suposições, o que pode demandar esforços na etapa de identificação do padrão de comportamento da série temporal. Como alternativa, pode-se utilizar a técnica conhecida como Análise Espectral Singular. A Análise Espectral Singular realiza uma decomposição da série temporal em poucos componentes independentes. Este método não exige o conhecimento sobre o modelo paramétrico da série temporal e pode ser aplicado em qualquer série com alguma estrutura potencial. O presente artigo objetiva avaliar a capacidade preditiva da SSA comparando-a com alguns modelos clássicos para séries temporais. Com esta finalidade, examinamos duas séries temporais com características distintas: uma série proveniente da área da meteorologia e uma série gerada artificialmente. Observou-se, de uma maneira geral, que a previsão SSA conseguiu representar melhor as variações existentes na série meteorológica e no particular processo ARIMA simulado. A utilização da metodologia da SSA proporcionou resultados tão bons ou superiores aos gerados pelos métodos clássicos considerados neste artigo.