Análise de séries temporais : comparação entre modelos preditivos em estudo de caso

Abstract

A grande disponibilidade de dados disponíveis permite aos mais diversos setores da economia obter maior volume de informação sobre os seus processos. Dentro deste contexto, a análise de séries temporais possibilita aos mesmos uma maneira de aproveitar esta disponibilidade de informação de maneira mais eficiente, criando modelos que permitem maximizar o entendimento em relação às séries temporais e ainda estabelecer relações que permitam inferir o comportamento futuro acerca de determinado conjunto de dados. Este trabalho, abordou metodologias que utilizam somente variáveis endógenas para representar as características determinísticas de uma série temporal e desta forma obter melhor conhecimento acerca do comportamento dos dados e realizar simulações preditivas. Para tanto foram utilizadas as metodologias SARIMA, Decomposição da série temporal, e Suavização exponencial. Estas técnicas foram aplicadas a três séries temporais: Evolução da concentração de CO2 na atmosfera; Evolução da variação de pressão em um adsorvedor de umidade de poço de petróleo offshore; Evolução da cotação da ação BRKM3. Através de comparação entre as previsões realizadas por cada um dos modelos pode-se verificar que a natureza dos processos geradores do conjunto de dados tem grande influência na capacidade preditiva dos modelos, sendo a série da evolução da concentração de CO2 na atmosfera a que obteve melhor predição do comportamento dos dados originais, apresentando R² = 0,98. Quanto às metodologias de previsão, aquela que possuiu melhor desempenho para representar os comportamentos das três séries temporais estudas foram os modelos SARIMA.