Modelos Sazonais

Aula 06
Bueno (2011) Seo 3.11
Enders, 2004 Captulo 2
Morettin (2011) Seo 3.6

Morettin e Toloi, 2006 Captulo 10

Introduo
Muitas

sries

econmicas

podem

apresentar

uma

componente sazonal, em decorrncia de safras agrcolas,

frias, clima ou datas especiais como, por exemplo, Natal.

Essa tal componente sazonal pode aparecer quando so

feitas observaes intra-anuais para a srie de interesse, isto
, os dados so registrados mensalmente, trimestralmente

ou semanalmente, por exemplo.

Introduo
Um modelo clssico para sries temporais supe que uma
srie temporal Zt, t = 1, ..., n, possa ser escrita como a soma
de trs componentes: uma tendncia, uma componente

sazonal e um termo aleatrio:

Z t Tt St at ,

t 1, ..., n

(1)

No slide, a seguir, temos um exemplo de uma srie temporal

com as componentes tendncia e sazonalidade entrando de
forma aditiva no PGD.

Exemplo
(Srie temporal com componentes aditivos)

Introduo
O processo descrito em (1) dito aditivo e adequado, por
exemplo, quando St no depende das outras componentes,
como Tt.

Porm, se as amplitudes sazonais variam com a tendncia,

um modelo mais adequado o multiplicativo, dado por:

Z t Tt St at ,

t 1, ..., n

(2)

No slide, a seguir, temos um exemplo de uma srie temporal

com as componentes tendncia e sazonalidade entrando de
forma multiplicativa no PGD.

Exemplo
(Srie temporal com componentes multiplicativos)

Introduo
Removendo-se as componentes Tt e St, em (1), o que sobra
a componente aleatria ou residual, at.

A suposio normal que at seja um processo estocstico

puramente aleatrio (rudo branco).

Porm, em alguns casos, podemos considerar at como um

processo estacionrio, digamos, com mdia zero e varincia
constante.

Introduo
O

problema

que

se

apresenta

de

modelar

convenientemente as trs componentes Tt, St e at, com a

finalidade de se fazer previses de valores futuros da srie.

O que se faz usualmente representar f(t)

= Tt + St por

alguma funo suave no tempo, por exemplo, uma mistura de

polinmios e funes trigonomtricas ou uma mistura de
polinmios e dummies sazonais. Deste modo, encara-se f(t)
como uma funo determinstica do tempo.

Introduo
Todavia, possvel considerar sazonalidade estocstica, por
exemplo, quando esta no apresenta um padro bem

comportado no tempo. Assim, ser necessrio usar uma

abordagem diferente para St.

Uma possvel abordagem a partir do uso dos modelos da

classe SARIMA.

Todavia, o uso da FAC e da FACP na identificao e

especificao de modelos para sries sazonais um pouco
mais complicado.

Observaes
H casos em que se deve estimar os parmetros do modelo
com as sries dessazonalizadas. Em geral, as sries devem
ser dessazonalizadas quando no modelo de interesse entram
variveis sazonais (por exemplo, inflao) e variveis no
sazonais (por exemplo, taxa de juros).

Cuidado para no dessazonalizar sries que no apresentam

sazonalidade,

uma

vez

que

esse

distorcer o comportamento da mesma.

procedimento

pode

Observaes
Existem diversos procedimentos para dessazonalizar uma

srie, entre eles, um dos mais utilizados o Census X12ARIMA.

Para

mais

detalhes

http://www.census.gov/srd/www/x12a/
software Eviews.

vide,
ou

por

exemplo,

manual

do

Alguns Modelos Importantes

SAR(P)S
(modelo autorregressivo puramente sazonal)

yt 1 yt S 2 yt 2 S ... P yt PS t
que pode ser re-escrito, como

1 L

2 L2 S ... P LPS yt t

LS yt t
Condio de estacionariedade: razes da equao que
envolve o polinmio autorregressivo sazonal fora do
crculo unitrio.

Exemplo 1
SAR(1)12

Exemplo 1 (cont.)
SAR(1)12

SMA(Q)S
(modelo de mdias mveis puramente sazonal)

yt t 1 t S 2 t 2 S ... Q t QS
que pode ser re-escrito, como

yt 1 1 LS 2 L2 S ... Q LQS t

yt LS t
Condio de invertibilidade: razes da equao que envolve
o polinmio de mdias mveis sazonal fora do crculo
unitrio.

Exemplo 2
SMA(1)12

Exemplo 2 (cont.)
SMA(1)12

SARMA(P, Q)S
(modelo ARMA puramente sazonal)

P LS yt Q LS t

Condio de estacionariedade: razes da equao que

envolve o polinmio autorregressivo sazonal fora do
crculo unitrio.

Condio de invertibilidade: razes da equao que envolve

o polinmio de mdias mveis sazonal fora do crculo
unitrio.

Exemplo 3
SARMA(1,1)12

Exemplo 3 (cont.)

SARIMA(P, D, Q)S
(modelo ARIMA puramente sazonal)

P L yt Q L t
S

D
S

em que

(1 L )
D
S

S D

o operador diferena sazonal

D indica o nmero
(normalmente D = 1).

de

diferenas

sazonais

Exemplo 4
SARIMA(1,1,0)12

Exemplo 4 (cont.)
SARIMA(1,1,0)12

Exemplo 4
d(y,0,12)

Exemplo 4 (cont.)
d(y,0,12)

MODELO MULTIPLICATIVO GERAL

SARIMA (p, d, q) x (P, D, Q)S

p L P L yt q ( L)Q L t
S

D
S

em que

d (1 L) d

o operador diferena simples

d indica o nmero
(normalmente d = 1 ou 2).

(1 L )
D
S

S D

de

diferenas

simples

o operador diferena sazonal

D indica o nmero
(normalmente D = 1).

de

diferenas

sazonais

Exerccio
Utilizando os dados da srie mensal do nmero total
de passageiros internacionais (em milhares de

passageiros), no perodo de 01/1949 12/1960,

AIRLINE. Wf1, responda ao que for pedido:

Exerccio
a) Elabore o grfico da srie. Voc
transformao na srie? Comente.

faria

alguma

Exerccio cont. (a)

Transformao: ln(airline)

Exerccio
b) Esboce o correlograma da srie transformada.
Comente.

Exerccio
c) Desconsiderando as observaes do ano de 1960,
ajuste um modelo para a tendncia e para a
sazonalidade.

Exerccio
d) Para o modelo estimado em (c), faa uma anlise de
resduos. Comente.

Exerccio
d) Para o modelo estimado em (c), faa uma anlise de
resduos. Comente.

Exerccio
e) Elabore o grfico para D(LOG(AIRLINE)).

Exerccio
f) Esboce o correlograma da srie estudada em (e).
Comente.

Exerccio
g) Elabore o grfico para D(LOG(AIRLINE), 0, 12).

Exerccio
h) Esboce o correlograma da srie estudada em (g).
Comente.

Exerccio
i) Elabore o grfico para D(LOG(AIRLINE), 1, 12).

Exerccio
j) Esboce o correlograma da srie estudada em (i).
Comente.

Exerccio
k) Ajuste um modelo da classe

SARIMA(p, d, q)x(P, D, Q)s,

ou seja, um modelo
p(L)P(L) (1-L)d (1-L12)D Yt = q(L)Q(L)t,
para a srie em estudo, no utilize as 12 ltimas
observaes.

Exerccio cont (k)

Exerccio cont (k)

Correlograma dos resduos

Exerccio cont (k)

Considerando
Yt = log(airlinet)
Assim,

Yt ~ SARIMA(0,1,1)x(0,1,1)12 (airline models)

e, portanto,
(1-L)(1-L12)Yt = (1-0,326L)(1-0,578L12)t

Exerccio
l) Faa previses, a partir do modelo proposto em (i).
Compare os resultados previstos com os observados.
Comente.

Exerccio cont. (l)

Exerccio cont. (l)

Exerccio cont. (l)

Exerccio cont. (l)

Exerccios

Exerccio 1
Incorpore as observaes do ano de 1960 base de dados
AIRLINE, e:
a. re-estime o modelo final;

b. faa uma anlise de resduos completa;

c. preveja o nmero total de passageiros internacionais
(em milhares de passageiros), no perodo de 1961:01 a
1961:12;
d. elabore grficos com as previses e os respectivos ICs.

Exerccio 1

Exerccio 2
Escolha uma srie temporal macroeconmica, coletada
mensalmente, que apresente sazonalidade, com pelo

menos 10 anos de observaes. Ainda, desconsidere as 12

ltimas observaes e faa o que for pedido:
(a) estime um modelo da classe SARIMA;

(b) faa uma anlise de resduos completa;

(c) faa previses 12 passos a frente, com origem na

ltima observao considerada na estimao;

(d) compare os resultados obtidos em (c) com os valores
originais da srie para o perodo avaliado.