Modelos Para Previsão em Séries Temporais: A Metodologia Box e Jenkins na Prática

Abstract

Tanto na Economia, quanto na Engenharia e nas Ciências da Natureza, ocorrem fenômenos que dependem da observação de dados em intervalos de tempo durante determinado período. Tratam-se das Séries Temporais. A sua análise tem grande relevância prática, uma vez que, pode revelar através de um modelo adequado, algumas características importantes, as quais auxiliam na previsão de seus valores futuros ou simplesmente descrevem o seu comportamento. A literatura ampara diversos modelos de previsão de séries temporais. Neste trabalho, procura-se reunir os principais aspectos metodológicos de alguns destes modelos, com enfoque nos modelos ARIMA propostos por Box e Jenkins (1970), considerada a metodologia mais importante (SOUZA, L. V., 2006; FIGUEREDO, 2008) e largamente utilizada na análise de séries temporais. Em seguida, a fim de demonstrar uma aplicação prática da Metodologia Box e Jenkins, o estudo ajusta modelos SARIMA à série mensal de dados correspondente ao Índice de Preços ao Consumidor Amplo (IPCA), compreendida no período de janeiro de 2007 a dezembro de 2016. Para tanto a análise esteve pautada no ciclo iterativo proposto por tal metodologia, a saber, nas fases da identificação, estimação, verificação e, finalmente, previsão. Analisando os resultados obtidos, sugeriu-se, em termos de capacidade preditiva, o modelo ������������ ����, ��, ���� ����, ��, �������� como modelo mais adequado para os dados deste estudo. Porém, por se tratar de modelos univariados, os modelos SARIMA excluem efeitos de outras variáveis ou eventuais choques que podem ocorrer sobre a inflação mensal. Neste contexto, sugere-se para trabalhos futuros um estudo mais aprofundado sobre a dinâmica do IPCA, a fim de identificar variáveis intrínsecas ao processo, as quais poderão ser incorporadas à modelagem, através do uso de modelos SARIMAX, tornando a previsão mais acurada.