Modelagem ARIMA
Análise e previsão econométrica de série temporal de vendas
2017
1 – Introdução e identificação do modelo a ser utilizado
Temos como objetivo elaborar um modelo de previsão para os dados fornecidos por
uma empresa que vende baterias. Os dados refletem a venda mensal de baterias a partir de
janeiro de 2001, e apresenta 200 entradas. A empresa informou que uma vez por ano uma
grande empresa compra uma quantidade expressiva de baterias, o que pode gerar algumas
inconsistências nos dados fornecidos. A empresa gostaria de realizar uma previsão de vendas
no atacado para os três meses subsequentes aos informados.
Busca-se, nesse contexto, fornecer uma previsão pontual e intervalar para as vendas de
baterias para os próximos 3 meses, bem como um relatório final com detalhes da análise para
que esta possa ser reproduzida pelos profissionais da empresa.
Os dados informados podem ser verificados na série temporal abaixo:
A partir de uma breve observação do gráfico, percebe-se que a série tem tendência
temporal quadrática, ao mesmo tempo em que apresenta sazonalidade nos dados, conforme a
suspeita levantada pela empresa. Para testar a hipótese, de tendência temporal, foi realizado o
Teste de Dickey-Fuller Aumentado, que apresentou os seguintes resultados:
Teste Aumentado de Dickey-Fuller para v1
testar para baixo a partir de 14 defasagens, critério AIC
tamanho da amostra: 185
hipótese nula de raiz unitária: a = 1
Dado que o p-valor de 0,1998 não permite a rejeição da hipótese nula (Ho = há a
presença de raiz unitária), confirma-se a presença de tendência temporal. Para testarmos a
informação de que há uma sazonalidade anual nas vendas, foi realizada uma regressão através
1
do modelo MQO, utilizando uma variável time (que representa a temporalidade da série), uma
variável sq_time (o quarado do tempo, de forma a retirar a tendência quadrática) e uma variável
dummy dm2 (representando a sazonalidade, percebida nos meses de fevereiro).
Para confirmar a estacionariedade da série acima, foi realizado uma vez mais o Teste
de Dickey-Fuller Aumentado. O resultado, desta vez, rejeita a hipótese nula (p-valor = 8.176e-
37), confirmando a estacionariedade da série
2
Teste Aumentado de Dickey-Fuller para ResMqo
testar para baixo a partir de d 14efasagens, critério AIC
tamanho da amostra: 198
hipótese nula de raiz unitária: a = 1
Nota-se que, ao observar as signatures da FAC e FACP, parece haver uma convergência
suave para a FAC e um corte brusco para a FACP. Destarte, é provável que o modelo AR seja
mais adequado nessa situação. A despeito disso, testamos outras possibilidades, para garantir
que todos os resultados possíveis serão cobertos. Os resultados são apresentados na tabela
abaixo. Utilizou-se o teste de Ljung-box (defasagem de 20) para verificar a existência de
autocorrelação, procurando aceitar a hipótese nula de que os resíduos são ruído branco:
3
ARMA(2,1) Não Significativos -------- ------
Funções calculadas: 17
Cálculos de gradientes: 5
Uma vez que o modelo encontrado que se mostrou mais adequado foi o AR(2), a
equação de previsão de vendas foi elaborada a partir dos parâmetros do modelo final ajustado,
incluindo como variável dependente v1 (a série temporal original) adicionadas as
sazonalidades, a variável tempo (time) e uma constante (const). Assim, temos:
Analisando o modelo final, podemos afirmar que existe uma tendência temporal de
acréscimo de R$1492 nas vendas, bem como redução de 27,6% de vendas do mês anterior (t-
1), menos 43,9% do mês retrasado (t-2), acrescido de 40,315% nos meses de fevereiro. Existe
ainda a tendência temporal da constante 2294.97 (229.497%).
4
Funções calculadas: 20
Cálculos de gradientes: 1