4 - O PROCESSO DE MODELAGEMOs mo<strong>de</strong>los completos ARIMA (p,d,q) e sua variante sazonal SARIMA(p,d,q) x (P,D,Q), <strong>de</strong>finidos no capítulo anterior, são tidos como algunsdos meios mais po<strong>de</strong>rosos e úteis para representar mo<strong>de</strong>los <strong>de</strong> sérieseconômicas <strong>de</strong> <strong>tempo</strong> e, conseqUentemente, para inferir previsõessobre os movimentos futuros da variável.O processo <strong>de</strong> construção <strong>de</strong> mo<strong>de</strong>los proposto por <strong>Box</strong> & <strong>Jenkins</strong> está absentadoem um ciclo iterativo, composto <strong>de</strong> três estádios: i<strong>de</strong>ntificação,estimação e checagem do diagnostico.A i<strong>de</strong>ntificação consiste no estabelecimento da or<strong>de</strong>m i.p,d,q) — ou, nccaso sazonal, (p,d,q)x(P,D,Q) — e <strong>de</strong>ve ser <strong>de</strong>terminada inicialmente.Essa fase é a mais crucial, requerendo certo grau <strong>de</strong> conhecimento teóricoe experiência sobre o assunto, uma vez que a <strong>de</strong>finição do tipo <strong>de</strong>mo<strong>de</strong>lo que se ajusta aos dados do mundo real e precária, <strong>de</strong> difícil caracterização,feita através <strong>de</strong> medidas amostrais, o que implica uma i<strong>de</strong>ntificaçãogeralmente inexata. Ê" comum, inclusive, que a avaliação f ei tá nessaetapa sugira a viabilida<strong>de</strong> <strong>de</strong> a serie ser ajustada por mais <strong>de</strong> um mo<strong>de</strong>lo.O grau <strong>de</strong> acuracia, entretanto, po<strong>de</strong>rá ser aumentado no <strong>de</strong>correr dasetapas do ciclo iterativo <strong>de</strong> mo<strong>de</strong>lagem.Concluídas as fases <strong>de</strong> i<strong>de</strong>ntificação da or<strong>de</strong>m e <strong>de</strong> estimação dos parâmetrosdo mo<strong>de</strong>lo, que fornecem as estimativas dos parâmetros auto-regressivose médias moveis, <strong>de</strong>ve-se realizar um processo <strong>de</strong> checagem dodiagnostico, isto é, <strong>de</strong> verificação da acuracia do mo<strong>de</strong>lo estimado naetapa anterior, com o fito <strong>de</strong> avaliar quão bem o mo<strong>de</strong>lo matemático estaajustado aos dados da realida<strong>de</strong>. Caso se verifique que um mo<strong>de</strong>lo não éa<strong>de</strong>quado, o ciclo será repetido.Para facilitar processos computacionais, é bastante comum trabalhar^se commais <strong>de</strong> um mo<strong>de</strong>lo durante o ciclo iterativo <strong>de</strong> mo<strong>de</strong>lagem. No final do ciclo,a etapa <strong>de</strong> checagem do diagnostico permitira avaliar a viabilida<strong>de</strong> do ajustamentopara cada um dos mo<strong>de</strong>los sugeridos na fase <strong>de</strong> i<strong>de</strong>ntificação.De outra parte, se mais <strong>de</strong> um mo<strong>de</strong>lo se apresenta viável, têm-se meiospara escolher aquele que melhor aten<strong>de</strong> as finalida<strong>de</strong>s do estudo.Assim,por exemplo, para fins <strong>de</strong> previsão, a escolha <strong>de</strong>ve recair naquele queapresenta menor erro <strong>de</strong> previsão,vale dizer,menor erro quadrático médio.O processo <strong>de</strong> construção <strong>de</strong> mo<strong>de</strong>los po<strong>de</strong> ser estabelecido como segue.4.1 — Mo<strong>de</strong>lagem <strong>de</strong> Séries Não Sazonais:Mo<strong>de</strong>lo ARIMA (p, d, q)t4.1.1 - A I<strong>de</strong>ntificaçãoA i<strong>de</strong>ntificação compreen<strong>de</strong> um conjunto <strong>de</strong> procedimentos com o objetivo<strong>de</strong> proporcionar uma idéia aproximada da estrutura do mo<strong>de</strong>lo. Assim, ai<strong>de</strong>ntificação e a etapa on<strong>de</strong> se estabelecem as características básicas
70da serie, tais como o tipo <strong>de</strong> processo gerador (estaci onario ou não estacionãrio); a existência ou não das componentes sazonal e ten<strong>de</strong>ncial,e que capacita o pesquisador a estabelecer a or<strong>de</strong>m do mo<strong>de</strong>lo que seajusta ã série observada; e as estimativas iniciais para os vai ores dosparâmetros envolvidos.Como primeiro passo na i<strong>de</strong>ntificação do mo<strong>de</strong>lo, é conveniente plotar osdados para se obter, "a priori", uma idéia do comportamento das observações.Já neste momento, po<strong>de</strong>-se <strong>de</strong>tectar informações úteis que po<strong>de</strong>rãoabreviar alguns procedimentos posteriores. A grosso modo, po<strong>de</strong>-seperceber se a serie e ou não estacionaria, e ou não sazonal, e algumaidéia sobre a necessida<strong>de</strong> <strong>de</strong> transformações.A possibilida<strong>de</strong> <strong>de</strong> transformação é salientada por <strong>Box</strong> & <strong>Jenkins</strong> pelofato <strong>de</strong> a mo<strong>de</strong>lagem ser sempre melhor se os dados são homoscedasticos .Assim, se a serie apresenta heteroscedasticida<strong>de</strong> , e conveniente fazer--se uma transformação a fim <strong>de</strong> tornar sua variancia constante.Para facilitar a tomada <strong>de</strong> <strong>de</strong>cisão sobre qual a transformação que melhorse adapta, e sugerida a utilização <strong>de</strong> um grafico cartesianodo tipoamplitu<strong>de</strong> y media, o qual apresenta em um eixo a media <strong>de</strong> segmentos <strong>de</strong>observações da serie original (no caso <strong>de</strong> dados sazonais, o comprimentodos segmentos <strong>de</strong>ve ser <strong>de</strong> ura cie l o completo ; caso os dados não sejam sazonais,8 a 12 observações satisfazem) e no outro a amplitu<strong>de</strong> <strong>de</strong> cadaum <strong>de</strong>sses segmentos. A idéia básica <strong>de</strong>sse grafico e colocar em um eixouma medida <strong>de</strong> posição e, no outro, uma da variação. Se a amplitu<strong>de</strong> forin<strong>de</strong>pen<strong>de</strong>nte da média, não há necessida<strong>de</strong> <strong>de</strong> transformação. Se for diretamenteproporcional , a transformação sugerida e a logarítmica natural.Representando a transformação por Zt(A), on<strong>de</strong> A é um vetor paramétricoa ser estimado, <strong>Box</strong> & Cox sugerem as seguintes ai ternat i vás , es tando algumasilustradas na Figura 1.Z,,-. i (Z v ' - C)/A , para A + O' log Z, para A = ODeve-se notar, entretanto, que o problema da conveniência <strong>de</strong> se fazertransformações e ainda ura campo bastante controverso. Embora <strong>Box</strong> & <strong>Jenkins</strong>sugiram sua feitura, outros autores questionam a sua utilida<strong>de</strong> e aqualida<strong>de</strong> das previsões assim obtidas, as quais po<strong>de</strong>m estar ocasionandoten<strong>de</strong>nciosida<strong>de</strong> em seus estimadores .A i<strong>de</strong>ntificação do mo<strong>de</strong>lo, entretanto, envolve o estudo da função <strong>de</strong>autocorrelação . Essa função irá, conforme visto no Capítulo 2, diagnosticaras principais características da serie, permitindo ao pesquisadorinferir informações sobre a estrutura do mo<strong>de</strong>lo gerador.' t ssf i.' o caso mais comum cm scncs econômicas, on<strong>de</strong> a componente ten<strong>de</strong>ncial mdu/ o crescimento da vananciaa medida que o (empo pass.t: Ver a rcspcho. entre outros. M l SO\ i I47.il. (,R \S(,I K & M \Vli()[ I) l !
- 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 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 156 and 157:
160cionarem previsões bastante sat
- 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.