Você está na página 1de 10

OLIVEIRA, S. de.

Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

64

UM ESTUDO EM SRIES TEMPORAIS NA ANLISE DA RECEITA


NOMINAL DE VENDAS DE VECULOS E MOTOS
Samuel de Oliveira
Especialista em ensino de Fsica
Mestrando em Engenharia de Sistemas pela Universidade Federal de Lavras-UFLA
Professor do Centro Universitrio de Formiga-UNIFOR
e-mail: professor.samuel@yahoo.com.br

Recebido em: 01/03/2012


Aprovado em: 06/11/2012
RESUMO
O propsito deste artigo a anlise da srie de dados pesquisada pelo IBGE que produz indicadores
que permitem acompanhar o comportamento do comrcio varejista no pas. O trabalho apresenta
uma abordagem dos dados de ndice mensal de comrcio varejista ampliado, uma contextualizao
e conceitos da anlise de sries temporais, bem como suas principais caractersticas. Para o conjunto
de dados analisados fez-se o uso do software livre gretl 1.9.5 cvs e a partir dele, construiu-se o
grfico dos dados e tambm o grfico da srie estacionria, bem como o ajustamento dos dados para
um modelo pertinente ao de sries temporais. O resultado obtido foi satisfatrio, ainda que a
abordagem utilizada foi apenas uma apresentao de ferramentas para esse tipo de ajuste em srie
de dados que possuem correlao temporal.
Palavras-chave: Sries Temporais. Vendas. Modelos Estatsticos.
A STUDY ON TIME SERIES IN ANALYSIS OF NOMINAL REVENUE
OF VEHICLES AND MOTORCYCLES
ABSTRACT
The purpose of this paper is to analyze the data series investigated by IBGE that produces indicators
to monitor the behavior of retail trade in the country. The paper presents an approach to data from
the monthly retail trade expanded, a context and concepts of time series analysis and its main
characteristics. For the analyzed data set was made using free software gretl 1.9.5 cvs, and it was
constructed the graph of data and also the graph of the stationary series, as well adjustment of the
data to a model appropriate to the time series. The result was satisfactory, though the approach was
just a presentation tool for this kind of adjustment in the data series that have temporal correlation.
Keywords: Times Series. Sales. Statistical Models.

______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

65

1 INTRODUO
O comrcio pode estar relacionado com a economia formal que firma registrada dentro da
lei ou economia informal que so firmas sem registros que no pagam impostos. O comrcio
informal traz prejuzos pois copiam vrios tipos de produtos para uma venda mais barata,
acarretando assim em graves perdas econmicas para o pas.
O surgimento do mercado como um espao fsico ocorreu mesmo antes da inveno do
dinheiro. Independentemente da existncia do dinheiro, o fato de termos a oferta e a procura por
mercadoria, mo de obra ou servios gerais o que permite a existncia do comrcio.
de grande importncia para as empresas que atuam no comrcio conhecer a futura
demanda de produtos comercializados por eles, pois isto seria uma grande ajuda em vrias das
atividades dirias efetuadas por estas empresas, especialmente se permitir otimizar o escalonamento
da produo, alm de permitir um agendamento de manuteno que no perturbe a sua produo.
2 METODOLOGIA
2.1 Sries temporais
Uma srie temporal um conjunto de observaes ordenadas no tempo (no
necessariamente igualmente espaadas) e que apresentam dependncia serial, isto , dependncia de
instantes de tempo. (MORETIN; TOLOI, 2006). Tambm denominada srie histrica, uma
sequncia de dados obtidos em intervalos regulares de tempo durante um perodo especfico. Este
conjunto pode ser obtido atravs de observaes peridicas do evento de interesse.
Segundo Morettin e Toloi (2006), uma srie temporal um conjunto de observaes
compreendidas seqencialmente no tempo. Se a srie histrica for denominada como Z, o valor da
srie no momento t pode ser escrito como Zt (t = 1,2,...,n).
Uma srie temporal um conjunto de dados que se distribuem de forma contnua no tempo,
ou seja, as suas observaes so ligadas diretamente umas s outras, sendo assim, no podemos
trabalhar uma srie temporal sem considerar a ordem cronolgica das observaes. O estudo de
sries temporais requer o uso de tcnicas diferenciadas daquelas trabalhadas em sries estatsticas,
em que a ordem das observaes independente, ou seja, podemos agrupar as observaes de uma
maneira que no levamos em considerao o tempo.
As observaes de sries temporais aparecem em campos diversos do conhecimento como,
por exemplo, a Economia (preos dirios de aes, taxa mensal de desemprego, produo
industrial), Medicina (eletrocardiograma, eletro encefalograma), Epidemiologia (nmero mensal de
______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

66

novos casos de meningite), Meteorologia (precipitao pluviomtrica, temperatura diria,


velocidade do vento) etc.
2.2 Objetivos da anlise de sries temporais
Segundo Morettin e Toloi (2006), uma srie temporal Z(t1),..., Z(tn) observada nos instantes
t1,...,tn pode ser utilizada para:

Investigar o mecanismo gerador da srie temporal;

Fazer previses de valores futuros da srie, sendo que as previses podem ser a curto e
longo prazo;

Descrever apenas o comportamento da srie; neste caso a construo de histogramas e


diagramas de disperso, entre outros, podem ser ferramentas teis;

Verificar a existncia de tendncias, ciclos e variaes sazonais;

Procurar periodicidades relevantes nos dados; neste caso, a anlise espectral pode ser de
grande utilidade.

2.3 Grfico
Em se tratando de sries temporais, o primeiro ponto de partida fazer a representao
grfica da srie, pois, atravs do grfico, podemos fazer uma melhor anlise e identificar as
caractersticas que podem ser relevantes para o estudo da srie em questo. O presente estudo
mostra a anlise da receita nominal de vendas de veculos e motos que compara os ndices nominais
e de volume da receita bruta de revenda do ms com os obtidos em igual ms do ano anterior.
Na FIG. 1, apresentam-se os valores de receita nominal de vendas de veculos e motos
extrados do Instituto Brasileiro de Estatstica e Geografia, para o perodo de janeiro de 2001 a
setembro de 2011.

______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

67

Figura 1 - Receita nominal de vendas de veculos e motos (jan/01 a set/11)

2.4 Estacionariedade
De acordo com Morettin e Toloi (2006), uma das suposies mais frequentes que se faz a
respeito de uma srie temporal a de que ela estacionria, ou seja, ela se desenvolve no tempo
aleatoriamente ao redor de uma mdia constante, refletindo alguma forma de equilbrio estvel.
Na maioria dos procedimentos de anlise estatstica de sries temporais, supe-se que estas
sejam estacionrias. Com isso, caso a srie no seja estacionria, ser necessrio transformar os
dados originais. A transformao mais comum consiste em tomar diferenas sucessivas da srie
original, at se obter uma srie estacionria. (MORETIN; TOLOI, 2006, p. 5).
Z (t) = Z (t) Z (t 1) ( 1 .0 )

Segundo Stock e Watson (2004), para uma srie de dados ser estacionria, suas variveis
no podem apresentar tendncias e devem ser estveis ao longo do tempo. Para as sries temporais,
importante que as variveis sejam estacionrias ou passveis de sua estacionariedade. Essa
caracterstica fundamental para previso do futuro com base na regresso de sries temporais,
solidificando a premissa de que o futuro se comportar de acordo com o passado.
Para a srie apresentada, foi realizada uma diferena para que, assim, possamos trabalhar a
srie temporal de forma invariante, ou seja, tornando-a estacionria. Quando a srie corretamente
diferenciada, a varincia da srie transformada diminui. Por outro lado, um excesso de diferenas
aumentar sua varincia. A FIG. 2 mostra a primeira diferena tomada na srie, tornando a srie
original em uma srie estacionria.
______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

68

Figura 2 - Primeira diferena tomada na srie - Z (t) = Z (t) Z (t 1)

2.5 Mtodos para previso de uma srie temporal


A classe de modelos mais comumente utilizada na anlise de sries temporais a dos modelos
auto-regressivos integrados e de mdias mveis ou, simplesmente, ARIMA(p, d, q), que foi proposta
por Box e Jenkins (1970).
Box e Jenkins (1970) formalizam a teoria da utilizao de componentes auto-regressivos e
de mdias mveis na modelagem de sries temporais utilizando-se de duas ideias bsicas na
criao de sua metodologia de construo de modelos: a parcimnia que a utilizao do menor
nmero possvel de parmetros para se obter uma representao adequada do fenmeno em estudo e
a interatividade, ou seja, a informao emprica analisada teoricamente e o resultado deste estgio
confrontado com a prtica sucessivas vezes, at que o modelo obtido seja satisfatrio.
2.5.1 Modelos auto-regressivos
A classe de modelos conhecida como modelos auto-regressivos-AR (no caso, de ordem p)
um processo interativo em que h a identificao da ordem p atravs da funo de auto-correlao; a
partir da, faz-se a estimativa de um modelo de previso bem como a anlise dos resduos para a
avaliao da existncia de vises e/ou grandes erros de estimativas. A dificuldade desta tcnica a
identificao do modelo, pois possvel que pessoas diferentes identifiquem modelos de ordem
diferentes para a mesma srie temporal.

______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

69

2
Suponha que {t } seja um processo puramente aleatrio com mdia zero e varincia .
Um processo Zt chamado de processo auto-regressivo de ordem p, ou AR(p), se
Zt = 1Zt1 + ... + p Zt p + t (1.1)
Sobre o modelo auto-regressivo:
Este modelo clssico e foi, talvez, um dos primeiros a serem utilizados notadamente em
Astronomia e Fsica. No primeiro caso, o interesse era determinar a posio de um planeta em dado
momento do tempo e claro que o erro obtido ao estimar a posio num instante no ter influncia
1

na posio do planeta em instantes posteriores. Por outro lado, o modelo (2.35) bastante utilizado
em Fsica, quando, por exemplo, os at representam erros de mensurao de uma quantidade Q. O
modelo reduz-se ao caso mais simples Zt = Q + at , t = 1,..., N, . (MORETTIN; TOLOI, 2006, p. 34).
Note a similaridade com um modelo de regresso mltipla, em que os valores passados de Zt
fazem o papel das regressoras. Assim, processos AR podem ser usados como modelo se for razovel
assumir que o valor atual de uma srie temporal depende do seu passado imediato.
2.5.2 Modelos mdias-mveis
O modelo de mdia mvel de ordem q - MA(q) usado quando h autocorrelao entre os
resduos, ou seja, existe uma relao de dependncia entre o conjunto de erro em perodos passados
(DELURGIO, 1998).
Este modelo em srie temporal utiliza, como previso para uma determinada observao
no futuro, a mdia das observaes passadas. As mdias mveis podem ser simples, centradas ou
ponderadas.
O termo mdia mvel utilizado porque, medida que a prxima observao est
disponvel, a mdia das observaes recalculada, incluindo esta observao no conjunto de
observaes e desprezando a observao mais antiga.
Seja {t } um processo discreto puramente aleatrio com mdia zero e varincia 2 .
Um processo Zt chamado de processo de mdias mveis de ordem q, ou MA(q), se
Zt =t +1 t1 +... + q tq (1.2).
Wheelwright e Makridaki (1985) colocam que, quanto maior o nmero de observaes
concludas na mdia mvel, maior o efeito de alisamento na previso. Assim, caso a srie temporal

O modelo 2.35 refere-se a : Z = f (t) + a , t = 1,..., N


t
______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

70

apresente muita aleatoriedade ou pequenas mudanas nos padres dessa srie, um nmero maior de
valores pode ser utilizado no clculo da mdia mvel, obtendo-se uma previso mais alisada.
Entretanto, se houver pouca flutuao aleatria nos dados ou mudana significativa no
padro da srie, um nmero menor de observaes deve ser includo no conjunto de valores
empregado na determinao da mdia para que se possa reagir a essas alteraes mais rapidamente.
3 AJUSTAMENTO
Para uma identificao do modelo e ajustamento do prprio, DeLurgio (1998) sugere a
utilizao dos seguintes procedimentos: projeo dos dados em grficos para verificar a existncia
de algum padro; ajustes como deflacionar ou logaritmizar, estabilizando a varincia; usar a funo
de auto-correlao (FAC) e a funo parcial de auto-correlao (FACP) para verificar a existncia
de algum padro na srie; diferenciar os dados para obter a estacionariedade; examinar os FAC e
FACP para identificar potenciais modelos, podendo ter ajuda de softwares especializados.
No estudo apresentado, utiliza-se o software gretl 1.9.5 cvs para atingir o objetivo deste
trabalho que a identificao de um modelo para a srie de dados mostrada.
O objetivo da identificao determinar os valores de p, d e q do modelo ARIMA(p,d,q), e
tambm encontrar os parmetros a serem usados no modelo.
O procedimento de identificao consiste em trs partes:
i) Verificar se existe a necessidade de uma transformao na srie original.
ii) Tomar diferenas da srie, tantas vezes necessrias, para se obter uma srie estacionria,
de modo que o processo seja reduzido a um ARMA(p,q).
iii) Identificar o processo ARMA(p,q) atravs da anlise das autocorrelaes e
autocorrelaes parciais estimadas.
4 DESENVOLVIMENTO
O correlograma til na identificao do tipo de modelo ARIMA que fornece a melhor
representao de uma srie observada. Um correlograma, em que os valores de rk decaem para zero
de forma relativamente lenta, indica no estacionariedade e a srie precisa ser diferenciada.
Para sries estacionrias, o correlograma comparado com as autocorrelaes tericas de
vrios processos ARMA para auxiliar na identificao daquele mais apropriado.
Por exemplo, se r1 significativamente diferente de zero e todos os valores subsequentes
r2, r3, . . . so prximos de zero, ento um modelo MA(1) indicado j que sua funo de

______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

71

autocorrelao terica se comporta assim. Por outro lado, se r1, r2, r3, . . . parecem estar decaindo
exponencialmente ento um modelo AR(1) pode ser apropriado.
Vale notar, entretanto, que a interpretao de correlogramas um dos aspectos mais difceis
da anlise de sries temporais.
Alguns autores apresentam procedimentos para identificao das ordens p e q do modelo
ARMA, a partir dos grficos FAC e FACP, como no caso apresentado no QUADRO 1. Segundo a
recomendao de Montgomery e Johnson (1976, p.469), a melhor tentativa o ajuste de um modelo
ARMA (1,0) ou simplesmente AR(1).
MODELO
ARMA
(p,0)
ARMA
(0,q)
ARMA
(p,q)

FAC
Decaimento gradativo

FACP
Decaimento brusco, aps defasagem

Dacaimento brusco, aps defasagem

Decaimento gradativo

Decaimento gradativo, com onda senoidal


amortecida, aps a defasagem (p-q)

Decaimento gradativo, com onda senoidal


amortecida, aps a defasagem (q-p)

A funo de autocorrelao parcial um importante coadjuvante nesta etapa de identificao


se houver termos auto-regressivos no modelo, j que seus valores estimados tendem a ficar
prximos de zero aps a defasagem p.
O correlograma abaixo referente primeira diferena para a srie em questo, lembrando
que a funo de autocorrelao nos mostra a ordem do modelo MA(q) que ser ajustado, enquanto
que a funo de autocorrelao parcial nos mostra a ordem de um modelo AR(p).

______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

72

Analisando os dois grficos, vemos que um modelo ARIMA(2,1,0) ser escolhido, pois a
distribuio dos lags esto uniformes a partir do 2 lag, comparado distribuio da funo de
autocorrelao. Tomamos assim o ltimo lag fora da confiabilidade.
O modelo ajustado ser ento a partir da equao 1.1:
Zt = 0,6159Zt1 0,3587Zt2 + t
Esse modelo foi ajustado utilizando o software gretl 1.9.5 cvs que obteve os parmetros para
a equao 1.1: 1 = 0,6159 e 2 = 0,3587
Aps identificar a ordem e estimar eficientemente os parmetros de um modelo,
necessrio verificar sua adequao antes de utiliz-lo, por exemplo, para fazer previses. Pode- se
fazer testes de sobreajustamento que consistem em incluir parmetros extras no modelo e verificar
sua significncia estatstica.
Para os modelos vistos nesse estudo, o valor ajustado a previso um passo frente, de
modo que o resduo bem ajustado esteja distribudo aleatoriamente em torno de zero com uma
varincia aproximadamente constante e que ainda no seja correlacionada.
5 CONCLUSO
O presente trabalho teve sua objetividade em descrever uma forma simples e suave na
descrio e ajustamento de um modelo de sries temporais. Obtendo os dados a partir de pesquisa
______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012

OLIVEIRA, S. de. Um estudo em sries temporais na anlise da receita nominal de vendas de veculos e motos

73

feita pelo IBGE, podemos notar que uma simples comparao dos dados obtidos atravs do grfico
nos leva a uma efetividade concreta de valores futuros. Desse pressuposto, decorre a necessidade de
avaliao de sries temporais atravs de modelos estatsticos diversos, cada um mais adequado a
uma especfica trajetria no tempo. Neste artigo, foi apresentada uma maneira sumria apenas dos
modelos estatsticos mais utilizados em anlise de sries temporais. Espera-se, com isso, mostrar as
inmeras aplicaes da anlise de sries temporais, estimulando-se a busca das tcnicas estatsticas
adequadas.
A disponibilidade de softwares permite aos pesquisadores a utilizao da melhor tcnica
estatstica, ainda que a importncia tcnica no deva ser esquecida para o desenvolvimento das
hipteses.

REFERNCIAS
BOX, G. E. P.; JENKINS, G. M. Time Series Analysis: forecasting and control. San Francisco:
Holden-Day, 1970.
DELURGIO, S. A. Forecasting principles and applications. Singapore: McGraw-Hill, 1998.
INSTITUTO BRASILEIRO DE GEOGRAFIA E ESTATSTICA. Disponvel em:
<http://www.ibge.gov.br/home/estatistica/indicadores/comercio/pmc/default.shtm>. Acesso em: 02
nov. 2011.
MONTGOMERY, D. C.; JOHNSON, L. A. Forecasting and Time Series Analysis. New York:
McGraw-Hill, 1976.
MORETTIN, P. A.; TOLOI, C. M. Sries Temporais. 2. ed. So Paulo: Atual, 2006.
MORETTIN, P. A. Econometria financeira: um curso em Sries Temporais financeiras. So Paulo:
Departamento de Estatstica-Instituto de Matemtica e Estatstica-USP, 2004.
STOCK, J. H.; WATSON, M. W. Econometria. So Paulo: Addison Wesley, 2004.
WHEELWRIGTH, S. C.; MAKRIDAKIS, S. Forecasting Methods for Management. 4. ed. New
York: John Wiley & Sons Inc, 1985.

______________________________________________________________________________________________
Conexo ci.: r. cient. UNIFOR-MG, Formiga, v. 7, n. 2, p. 64-73, jul./dez. 2012