Escolar Documentos
Profissional Documentos
Cultura Documentos
1 – Introdução à previsão
Uma vez que as condições econômicas e de negócios variam ao longo do tempo, os gerentes
de negócios precisam encontrar maneiras de se manter a par dos efeitos que essas mudanças
terão em suas operações. Uma técnica que os gerentes de negócios podem empregar como
uma ajuda no planejamento de necessidades operacionais futuras é a previsão. Embora seja
grande o número de métodos de previsão disponíveis, todos tem um objetivo em comum –
fazer previsões sobre eventos futuros, de modo que essas projeções possam ser incorporadas
ao processo da decisão. Por exemplo, o governo deve ser capaz de prever fatos como
desemprego, inflação, produção industrial e a expectativa de receitas decorrentes do imposto
de renda de pessoas físicas e jurídicas, modo a formular suas políticas, assim como o
departamento de marketing de uma empresa de comercio varejista deve ser capaz de prever a
demanda do produto, o retorno de vendas, as preferências do consumidor, estoques e assim
por diante, a fim de que possa tomar decisões oportunas e ágeis com relação ao seu
planejamento estratégico.
Uma série temporal é um conjunto de dados numéricos obtidos durante períodos regulares ao
longo do tempo.
Por exemplo, o preço diário de fechamento de determinada ação na bolsa de Nova York
constitui uma série temporal. Outros exemplos de séries temporais nos negócios ou na
economia são:
4 – O modelo clássico
O modelo, ou decomposição, clássico considera as séries temporais como sendo compostas
de quatro padrões, ou elementos, básicos:
T: Tendência;
C: Variações Cíclicas;
S: Variações Sazonais;
I: Variações Irregulares;
O termo Tendência, ou componente secular, indica a direção geral dos valores estudados.
Sua principal característica é um movimentar constante e suave ao longo do tempo de
avaliação. É uma variável influenciada por uma série de fatores, como o crescimento
populacional da região a que se refere, pelas preferencias dos indivíduos, escassez de
matérias-primas e pela legislação aplicável naqueles instantes.
Finalmente, as variações irregulares ou aleatórias podem ser provocadas por causas naturais
– como secas, enchentes, geadas, epidemias e terremotos – ou por causas sociais – como
períodos de relações internacionais tumultuadas, de guerras, greves e eleições e até por
planos econômicos, assim como podem ser devidas a eventos não identificados. O efeito
provocado por este componente, em geral não mensurável, é de curta duração e intensidade
variável (desde imperceptível até a mudança na própria direção das tendências e dos ciclos).
a)
12
Tendência
10
8
y
6
4
2
Tempo
0
1
10
11
12
13
14
15
16
17
18
19
20
16 14 12 10
y ciclos
8
6
4
2
0
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2015
25 20 15 10 5 0
y Sazonais
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2016
y Sazonais
20
10
0
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
2017
y Sazonais
20
10
0
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
Y=T x C x S x I
Y=T + C + S + I
30
Tendencia + SAZONAL
25
20
15
10
5
0
TEMPO
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
6 – Tendência
A tendência se refere ao movimento dos dados a longo prazo, para cima e para baixo. Há
duas finalidades básicas ao isolar a tendência numa serie temporal:
10
11
12
13
14
15
16
17
A tendência pode ser linear ou curvilínea. O crescimento de um produto ou de uma indústria,
por exemplo, frequentemente segue um padrão curvilíneo como o ilustrado na figura. Mas há
muitos casos em que o modelo linear é adequado. De fato, nossa discussão se limitará a
tendências lineares, em razão da larga aplicabilidade dos modelos lineares na prática e de sua
simplicidade.
YX = a + bX
a= valor de YX quando X = 0;
Portanto, y =
Note que os anos estão “codificados”. Isto é, 1954, 1955, 1956, etc., foram substituídos por
1,2,3, etc.
Assim, a componente linear desses dados é representada pela equação y = 9,52 + 0,52t. A
reta pode ser o valor de y quando t = 10: y = 9,52 + 0,52 . 10 = 14,72. A reta acha-se grafada
na figura.
8 – Médias Móveis
Um segundo método de análise da tendência é a utilização de uma média móvel. Uma média
móvel é uma média dos últimos k pontos, digamos 10, 15 ou 22 observações. Por exemplo, se
a média é composta das 12 últimas observações (k = 12), então à medida que se considera
cada nova observação (incluída na média), despreza-se a mais antiga (a 12° na contagem para
trás). Uma média móvel é a média das últimas k observações.
Calcula primeiro um total móvel para cinco períodos (soma das cinco últimas
observações), e que a média móvel se obtém, dividindo-se o total móvel pelo número de
períodos (valores) naquele total. Assim há sempre k observações no total móvel, de modo
que a média “se move” à medida que se acrescentam novos pontos e se abandonam pontos
antigos. Assim para calcular a próxima média, elimine o valor mais antigo e acrescente o mais
novo.
A prática usual consiste em posicionar a média móvel, seja num ponto (tempo) a meio
caminho entre a mais nova e a mais antiga observação, ou num ponto que corresponda à
observação mais recente. O exemplo acima ilustra este último processo. Se a finalidade é
predizer o próximo valor, usa-se o valor da média móvel corrente. Se o intento é de apenas
regularizar os dados, então é mais apropriado centrar a média móvel entre o primeiro ponto
e o último. Na verdade, esta última técnica é usada com maior frequência.
O efeito da utilização de uma média móvel é remover variações sazonais, cíclicas, irregulares
e aleatórias; o que resta é considerado tendência. O problema é que é quase impossível
remover completamente variações cíclicas e irregulares por tal processo. O ideal seria que se
escolhesse um período de tempo bastante longo para a média móvel permitir remover
variações cíclicas e algumas variações irregulares. Entretanto, quanto mais dados incluímos
na média, menos sensível ela se torna a observações recentes. Às vezes se usa um esquema
de ponderação que atribui maior peso a períodos recentes do que a dados mais antigos.
Uma vantagem do método das médias móveis sobre o da tendência linear é que
aquele abrange tendências tanto lineares como não lineares. Uma desvantagem é que os
primeiros valores e os últimos não têm valores correspondentes na média móvel, embora
tenham valores de tendência linear.
9 – Variações Cíclicas e Irregulares
A remoção da tendência exige uma reta (ou curva) de tendência. Esta se obtém utilizando-se
uma equação de regressão ou uma média móvel de longo prazo. A remoção da tendência dos
dados depende do modelo que está sendo usado – se multiplicativo ou aditivo. No modelo
aditivo, cada observação é subtraída do correspondente valor de tendência. O resultado é
uma série de desvios em relação à tendência.
Tendência
12
10
8
y
6
4
2
Tempo
0
1
10
11
12
13
14
15
16
17
18
19
20
ciclos
16
14
y
12
10
8
6
4
2
0
1
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
10 – Variações Sazonais
O método da Razão-para-a-Média-Móvel
1. O primeiro passo consiste em obter uma média móvel anual a fim de remover as
variações sazonais. Logo, se os dados estão em forma trimestral, é necessário uma média
móvel de 4 períodos; se os dados são mensais, deve-se ter uma média móvel de 12
variações sazonais estão automaticamente excluídas.
Surge agora o problema da centragem dos dados quando se usa um número par de períodos
para a média móvel anual, porque o centro não corresponderá a nenhum dos pontos
originais. Por exemplo, com dados trimestrais, o centro está entre o segundo e o terceiro
trimestre, não correspondendo especificamente a nenhum trimestre. Uma forma de
contornar o problema é achar uma média móvel de dois períodos para as médias móveis, isto
dará um ponto central que corresponderá a um ponto dos dados.
11 – Recomposição
Se o objetivo de uma análise de série temporal é focalizar uma única componente da série, a
técnica precedente é adequada. Às vezes, entretanto, queremos agrupar todos os
componentes. Por exemplo, uma companhia pode querer predizer a venda de junho tendo
constatado que há variações sazonais na demanda, bem como fatores cíclicos e de tendência.
É pois, útil vermos como as componentes individuais podem combinar-se para produzir uma
cifra total. O processo de recomposição difere, conforme se trate de modelo multiplicativo ou
de modelo aditivo.