160cionarem previsões bastante satisfatórias quando comparados com os <strong>de</strong>maismétodos existentes para a Analise <strong>de</strong> Series Temporais.Essa situação po<strong>de</strong> ser creditada, em muitos aspectos, às característicasda <strong>metodologia</strong>, cuja utilização apresenta algumas restrições <strong>de</strong> or<strong>de</strong>moperacional. Entre elas, po<strong>de</strong>m-se <strong>de</strong>stacar as seguintes:- a necessida<strong>de</strong> <strong>de</strong> um conhecimento teórico <strong>de</strong> estatística bastante superiorao usualmente ministrado nas disciplinas <strong>de</strong> cursos, on<strong>de</strong> a estatísticae vista como meio e não fim;- a necessida<strong>de</strong> <strong>de</strong> um numero mínimo relativamente gran<strong>de</strong> <strong>de</strong> observaçõespara produzir previsões acuradas: em torno <strong>de</strong> 40 para séries não sazonaise, para series sazonais, 30 mais três vezes o tamanho do ciclo<strong>de</strong> sazonalida<strong>de</strong>;- a possibilida<strong>de</strong> <strong>de</strong> acesso a pacotes computacionais, dado o gran<strong>de</strong> volume<strong>de</strong> cálculos necessários;- a necessida<strong>de</strong> <strong>de</strong> alguma experiência e sensibilida<strong>de</strong> técnica para oestabelecimento da or<strong>de</strong>m do mo<strong>de</strong>lo i<strong>de</strong>ntificado, além do mero uso mecânico<strong>de</strong> programas computacionais "enlatados";- a possibilida<strong>de</strong> <strong>de</strong> proporcionar a i<strong>de</strong>ntificação <strong>de</strong> mais <strong>de</strong> um mo<strong>de</strong>loque satisfaça as condições exigidas pelos dados, <strong>de</strong> acordo com o critériointerpretativo <strong>de</strong> cada usuário; 2- os parâmetros dos mo<strong>de</strong>los estimados não são atualizados a cada novaobservação obtida, pressupondo, por conseguinte, que o processo queestá sendo analisado mantém a mesma estrutura para todos os horizontes<strong>de</strong> previsão, o que nem sempre e verda<strong>de</strong>;- as previsões obtidas ten<strong>de</strong>m a media do processo para horizontes distantes,em todos os mo<strong>de</strong>los propostos por <strong>Box</strong> & <strong>Jenkins</strong>, indicandouma importante limitação do método;- apresenta custo operacional alto, quando comparado com outros métodos<strong>de</strong> Analise <strong>de</strong> Series Temporais.Entretanto a experiência tem mostrado, cada vez mais, a importância <strong>de</strong>ssemétodo. As previsões assim obtidas são, em geral, melhores do que asproporcionadas pela maioria dos métodos baseados em mo<strong>de</strong>los econométricoscorrentes <strong>de</strong> ajustamento.Nesse contexto, e necessário salientar a gran<strong>de</strong> preocupação dos pesquisadores<strong>de</strong> séries <strong>de</strong> <strong>tempo</strong> em estabelecer os limites <strong>de</strong> conveniênciapara a utilização <strong>de</strong> cada <strong>metodologia</strong> <strong>de</strong> Analise <strong>de</strong> Séries Temporais.Na aplicação prátiu^ da <strong>metodologia</strong> às duas séries analisadas neste documento^po<strong>de</strong>m-se verificar algumas características do processo <strong>de</strong> "mo<strong>de</strong>lizaçao"das séries <strong>tempo</strong>rais e constatar as potencialida<strong>de</strong>s do métodoatravés da obtenção <strong>de</strong> previsões bastante precisas.2 Essa restrição c a anterior foram as mais criticadas no <strong>de</strong>correr da década passada. Como conseqüência, vários autorespropuseram formas alternativas <strong>de</strong> i<strong>de</strong>ntificação <strong>de</strong> mo<strong>de</strong>los, entre as quais se <strong>de</strong>stacam os procedimentos <strong>de</strong>CLEVELAND (1972): Função <strong>de</strong> autocorrelação inversa; <strong>de</strong> AKAIKE (1973): Minimum Akaike Information CriteriumEstimation (MAICE); <strong>de</strong> PARZEN (1976): Criterion Autoregressive Transferfunction (CAT); <strong>de</strong> GRAY,KELLEY & McINTIRE (1978); <strong>de</strong> NERLOVE, GRETHER & CARVALHO (1979). Para <strong>de</strong>talhes sobre estes procedimentos,ver MORKTTIN & TOLOI (1981).
161Para ambas as variáveis, foram escolhidas amostras <strong>de</strong> tamanho suficientementegran<strong>de</strong> para cumprir as exigências <strong>de</strong> precisão do método, apresentandoprevisões acuradas para os horizontes que, até o momento, sãopassíveis <strong>de</strong> confrontação com a realida<strong>de</strong>.Embora as séries tenham sido mo<strong>de</strong>ladas por processos diversos, a primeirapor um AR1MA (p,d,q) e a segunda por um multiplicativo SARIMA(p,d,q) x (P,D,Q), esse fato não implicou graus <strong>de</strong> precisão significativamentedistintos. A diferença entre esses dois processos resi<strong>de</strong> somenteno fato <strong>de</strong> o mo<strong>de</strong>lo multiplicativo apresentar maior dificulda<strong>de</strong>operacional em seu processo <strong>de</strong> mo<strong>de</strong>lagem, ã medida que as ACF e PACF<strong>de</strong>vem <strong>de</strong>screver maior número <strong>de</strong> movimentos da serie. Em geral, a etapa<strong>de</strong> i<strong>de</strong>ntificação <strong>de</strong> um processo SARIMA (p,d,q) x (P,E,Q) sugere um numerobem maior <strong>de</strong> mo<strong>de</strong>los capazes <strong>de</strong> serem <strong>de</strong>scritos pela série realmenteobservada do que a do processo simples ARIMA (p,d,q), o que a tornapassível <strong>de</strong> maior probabilida<strong>de</strong> <strong>de</strong> um ajustamento não a<strong>de</strong>quado, além<strong>de</strong> apresentar maior custo operacional.Os mo<strong>de</strong>los <strong>de</strong>screvem, <strong>de</strong> modo simples, o relacionamento estatístico queexiste entre os dados observados, não requerendo um conhecimento "apriori" <strong>de</strong> como a série é gerada, permitindo que as observações "falempor si mesmas" e gerem previsões para um horizonte tão distante quantose queira. Para cada um dos valores previstos, são estimados limites<strong>de</strong> confiança que, no fundo, tornam preferencial o seu uso em estudos <strong>de</strong>curto prazo, ã medida que, quanto mais o futuro se afasta do presente,maior é o intervalo <strong>de</strong> confiança e menor a precisão das estimativas.O método oferece um meio essencialmente lógico <strong>de</strong> <strong>de</strong>scrição dos dados,on<strong>de</strong> a inerente subjetivida<strong>de</strong> existente em alguns mo<strong>de</strong>los economêtricosnão e requerida, proporcionando meios <strong>de</strong> previsão apropriados para assituações específicas examinadas.Fundamentalmente, o <strong>de</strong>sempenho <strong>de</strong> um <strong>de</strong>terminado método aplicado a análise<strong>de</strong> uma serie <strong>tempo</strong>ral <strong>de</strong>pen<strong>de</strong> <strong>de</strong> um conjunto <strong>de</strong> condições, que iraproporcionar os meios <strong>de</strong> avaliação da acuida<strong>de</strong> e conveniência do método.Em geral, esse conjunto <strong>de</strong> condições envolve, entre outros fatores:- o mo<strong>de</strong>lo ao qual a série obe<strong>de</strong>ce;- a habilida<strong>de</strong> do pesquisador em i<strong>de</strong>ntificar e ajustar corretamente omo<strong>de</strong>lo;- o critério escolhido para medir a precisão das previsões;- a presença <strong>de</strong> componentes periódicas na serie;- o tamanho da série;- a variabilida<strong>de</strong> da componente aleatória em comparação com a variabilida<strong>de</strong><strong>de</strong> outras componentes constitutivas da série;- a utilização <strong>de</strong> variáveis transformadas;- o horizonte <strong>de</strong> previsão <strong>de</strong>sejado.Vários autores tem abordado o problema da escolha do método mais indicadoa cada série observada, procurando expor <strong>de</strong> forma comparativa autilida<strong>de</strong> <strong>de</strong> cada um. Destacam-se MORETTIN & TOLOI (1981) que, além <strong>de</strong>seus próprios estudos, expõem uma síntese <strong>de</strong> alguns trabalhos representativossobre comparação <strong>de</strong> resultados obtidos pelo emprego <strong>de</strong> diferentesmétodos <strong>de</strong> análise <strong>de</strong> série <strong>tempo</strong>ral. Entre esses estudos, incluem--se os <strong>de</strong>senvolvidos pelos autores a seguir relacionados.
- Page 1:
(/Jmt/)pllllllFundação de Economi
- Page 4 and 5:
SUMÁRIOLISTA DE FIGURAS 5LISTA DE
- Page 6 and 7:
LISTA DE FIGURASCAPÍTULO 2Figura l
- Page 8 and 9:
Figura 22 — Gráfico da PAC da s
- Page 10 and 11:
Quadro 13 - Relatório de saída do
- Page 12 and 13:
A presente dissertação, orientada
- Page 14 and 15:
14de Cournot e Walras, entre outros
- Page 16 and 17:
16que as atividades de pesquisa alc
- Page 18 and 19:
18funcionamento da realidade econô
- Page 20 and 21:
20quatro componentes e tem-se como
- Page 22 and 23:
2 - SOBRE SÉRIES TEMPORAISE PROCES
- Page 24 and 25:
25onde o segundo membro dessa equa
- Page 26 and 27:
A importância do conhecimento de a
- Page 28 and 29:
O tipo de não estacionariedade mos
- Page 30 and 31:
Essa padronização e obtida atrav
- Page 32 and 33:
=t1 p1 ' t-1( 1 o1 ' ' t-2-fl-He 1
- Page 34 and 35:
35l M l l l l l lFigura 3 - Correlo
- Page 36 and 37:
Para retirar a sazonalidade, cria-s
- Page 38 and 39:
40Nesse caso,E (X t ) = E(u+ E(a t
- Page 40 and 41:
42Portanto.tSZ = ",z = . E z. = .E.
- Page 42 and 43:
44Note-se que, para esse processo,
- Page 44 and 45:
463.2 — Modelo Média MóvelSeja
- Page 46 and 47:
48Processo Média Móvel de Primeir
- Page 48 and 49:
50Y2 = E(a t - 6 1 a t _ 1 '^t^ (a
- Page 50 and 51:
Conforme se viu no iteia 3,1, para
- Page 52 and 53:
54Coeficiente de autocorrelação>k
- Page 54 and 55:
56se k = 2, p 2 = "í^p-, + ií ) 2
- Page 56 and 57:
58Portanto,5 = 'i' 1 (B) 8 (B)2 ql
- Page 58 and 59:
60Para k < q, o processo misto auto
- Page 60 and 61:
62Coeficientes de autocorrelação^
- Page 62 and 63:
64Observe-se que, se d=0, o modelo
- Page 64 and 65:
66Portanto, o modelo descrito pela
- Page 66 and 67:
4 - O PROCESSO DE MODELAGEMOs model
- Page 68 and 69:
71/Ml-UIAFigura 1 - Gráfico "Ampli
- Page 70 and 71:
O processo de transformação da se
- Page 72 and 73:
autocorrelaçao de um processo méd
- Page 74 and 75:
'kkhi,.1 O O 1 2l0 2 4 j 618l l 10
- Page 76 and 77:
79l 2 3 4 5l M'-''> OO 11 3 l 5 l 7
- Page 78 and 79:
81Padrões de p ^ e (4 ^ para um AR
- Page 80 and 81:
Na prática, porém, surge outro pr
- Page 82 and 83:
Por fim, o estudo das funções de
- Page 84 and 85:
Esses vetores serão $,6, e a , de
- Page 86 and 87:
Um exemplo pratico permite maior cl
- Page 88 and 89:
Para o calculo de S(_$,ô_), os [ a
- Page 90 and 91:
para iniciar o processo que se arbi
- Page 92 and 93:
95Porque os [e.t/S,wn não são exa
- Page 94 and 95:
Esse processo de checagem, em geral
- Page 96 and 97:
aparecem escassamente no correlogra
- Page 98 and 99:
5-0 MÉTODO DE PREVISÃODE BOX & JE
- Page 100 and 101:
103De maneira semelhante, pode-se o
- Page 102 and 103:
105Previsão utilizando equação d
- Page 104 and 105:
107ou seja,para h > 2,x t (h) = ^^(
- Page 106 and 107: 109O valor de x no período t+h éx
- Page 108 and 109: 1 11para h=2 ,x t (2) = E, para h >
- Page 110 and 111: Se as previsões para um, dois e tr
- Page 112 and 113: 115Portanto o valor de x no tempo t
- Page 114 and 115: 6.1 - Nota Introdutória6 - APLICA
- Page 116 and 117: 119rie se caracteriza por apresenta
- Page 118 and 119: tricamente crescente, pode-se infer
- Page 120 and 121: 123Figura 5 - Gráfico da função
- Page 122 and 123: 125Quadro 2Figura 7 — Gráfico da
- Page 124 and 125: 127Quadro 4Figura 8 - Gráfico da f
- Page 126 and 127: 129Portanto o modelo suposto inicia
- Page 128 and 129: 1 JF jR.LN i"ÍSSSÉÍ"'*?!!['"Ortu
- Page 130 and 131: 133O Quadro 5 permite algumas consi
- Page 132 and 133: 135T»E-EST!«»Tto «E51FWALS-- MO
- Page 134 and 135: 137Quadro 6Relatório de saída do
- Page 136 and 137: 1396.3 - Previsões para o Consumo
- Page 138 and 139: 141A avaliação da necessidade de
- Page 140 and 141: 143A Figura 16 permite observar que
- Page 142 and 143: 145A ACF da serie V 2 T t (Figura 1
- Page 144 and 145: '147Quadro 9Valores numéricos da A
- Page 146 and 147: 149Quadro 11Valores numéricos da P
- Page 148 and 149: Quadro 12151Principais informaçõe
- Page 150 and 151: 1536.3.4 — PrevisõesPara essa se
- Page 152 and 153: 155xx* *XXKx**xx*xx*xxxx /x ^x *xAA
- Page 154 and 155: 157Figura 24 — Relatório de saí
- Page 158 and 159: 162- KIRBY (1966), comparando os m
- Page 160 and 161: ANEXO lManual dos Comandos Necessá
- Page 162 and 163: 168cc 9-16 Number with four decimai
- Page 164 and 165: 170Repeat in cc 17-24, 25-32, etc.
- Page 166 and 167: 17240.12345cc 1-5Enter a zero if wi
- Page 168 and 169: ANEXO 11Relatórios de Saída do Co
- Page 170 and 171: s^c; c —)c i- >C-' "*> — < Sj=
- Page 172 and 173: .-« T-4ooooooooooo*• + 4- * *•
- Page 174 and 175: BIBLIOGRAFIAAKAIKE, H. A new look a
- Page 176 and 177: MAKRIDAKIS, S. & WHEELWRIGHT, S. C.