Adequação de modelos de previsão à variação dos dados de séries históricas da Conab

Abstract

The work identifies and discusses the main factors that influence the accuracy of a forecasting model and presents an analysis of Conab's historical series. Using known forecasting models (moving average, simple exponential smoothing, ARIMA and SARIMA) and with the aid of software, the accuracy of each model is verified according to the chosen data range, establishing a methodology that allows to quickly find a coherent model. The analysis of time series, or historical, is a statistical research tool that provides self-knowledge and intelligence for creating action plans in companies. Making a consistent forecast when analyzing a series is a decisive quality for a company that seeks to quickly absorb changes in its ecosystem, however making a quick and quality forecast requires an appropriate model. Choosing an appropriate model, in turn, requires a methodology that ensures consistency in the choice. It was observed that the exponential smoothing and moving average models are susceptible to failures when the series is not stationary, however the selection of parameters and the analyzed range can increase the efficiency of these models. The ARIMA model proved to be agile and precise, ensuring the best description of the series and the best results. The study of errors proved to be important to verify whether the series description was adequate. The SARIMA model was not interesting for the series studied due to the fact that the interval between observations is one year, which hinders the analysis of seasonality, in addition, the data obtained at intervals shorter than one year did not present a constant period.

O trabalho identifica e discute os principais fatores que influenciam na precisão de um modelo de previsão e apresenta uma análise sobre séries históricas da Conab. Utilizando modelos de previsão conhecidos (média móvel, alisamento exponencial simples, ARIMA e SARIMA) e com o auxílio de softwares é verificada a precisão de cada modelo de acordo com o intervalo de dados escolhido, estabelecendo uma metodologia que permite encontrar de maneira rápida um modelo coerente. A análise de séries temporais, ou históricas, é um instrumento estatístico de pesquisa que proporciona autoconhecimento e inteligência para criação de planos de ação nas empresas. Fazer uma previsão consistente ao se analisar uma série é uma qualidade decisiva para empresa que busca absorver de maneira rápida as mudanças do seu ecossistema, entretanto fazer uma previsão rápida e de qualidade necessita de um modelo adequado. Escolher um modelo adequado, por sua vez, necessita de uma metodologia que garanta coerência na escolha. Foi observado que os modelos de alisamento exponencial e média móvel se mostram suscetíveis a falhas quando a série não é estacionária, entretanto a seleção dos parâmetros e o intervalo analisado podem aumentar a eficiência desses modelos. O modelo ARIMA se mostrou de aplicação ágil e precisa, garantindo a melhor descrição das séries e melhores resultados. O estudo dos erros se mostrou importante para se verificar se a descrição da série foi adequada. O modelo SARIMA não se mostrou interessante para as séries estudadas devido ao fato de o intervalo entre as observações ser de um ano, o que prejudica a análise da sazonalidade, além disso, os dados obtidos em intervalos menores que um ano não apresentaram período constante.