séries univariantes de tempo - metodologia de Box & Jenkins

160cionarem previsões bastante satisfatórias quando comparados com os demaismétodos existentes para a Analise de Series Temporais.Essa situação pode ser creditada, em muitos aspectos, às característicasda metodologia, cuja utilização apresenta algumas restrições de ordemoperacional. Entre elas, podem-se destacar as seguintes:- a necessidade de um conhecimento teórico de estatística bastante superiorao usualmente ministrado nas disciplinas de cursos, onde a estatísticae vista como meio e não fim;- a necessidade de um numero mínimo relativamente grande de observaçõespara produzir previsões acuradas: em torno de 40 para séries não sazonaise, para series sazonais, 30 mais três vezes o tamanho do ciclode sazonalidade;- a possibilidade de acesso a pacotes computacionais, dado o grande volumede cálculos necessários;- a necessidade de alguma experiência e sensibilidade técnica para oestabelecimento da ordem do modelo identificado, além do mero uso mecânicode programas computacionais "enlatados";- a possibilidade de proporcionar a identificação de mais de um modeloque satisfaça as condições exigidas pelos dados, de acordo com o critériointerpretativo de cada usuário; 2- os parâmetros dos modelos estimados não são atualizados a cada novaobservação obtida, pressupondo, por conseguinte, que o processo queestá sendo analisado mantém a mesma estrutura para todos os horizontesde previsão, o que nem sempre e verdade;- as previsões obtidas tendem a media do processo para horizontes distantes,em todos os modelos propostos por Box & Jenkins, indicandouma importante limitação do método;- apresenta custo operacional alto, quando comparado com outros métodosde Analise de Series Temporais.Entretanto a experiência tem mostrado, cada vez mais, a importância dessemétodo. As previsões assim obtidas são, em geral, melhores do que asproporcionadas pela maioria dos métodos baseados em modelos econométricoscorrentes de ajustamento.Nesse contexto, e necessário salientar a grande preocupação dos pesquisadoresde séries de tempo em estabelecer os limites de conveniênciapara a utilização de cada metodologia de Analise de Séries Temporais.Na aplicação prátiu^ da metodologia às duas séries analisadas neste documento^podem-se verificar algumas características do processo de "modelizaçao"das séries temporais e constatar as potencialidades do métodoatravés da obtenção de previsões bastante precisas.2 Essa restrição c a anterior foram as mais criticadas no decorrer da década passada. Como conseqüência, vários autorespropuseram formas alternativas de identificação de modelos, entre as quais se destacam os procedimentos deCLEVELAND (1972): Função de autocorrelação inversa; de AKAIKE (1973): Minimum Akaike Information CriteriumEstimation (MAICE); de PARZEN (1976): Criterion Autoregressive Transferfunction (CAT); de GRAY,KELLEY & McINTIRE (1978); de NERLOVE, GRETHER & CARVALHO (1979). Para detalhes sobre estes procedimentos,ver MORKTTIN & TOLOI (1981).