ESTUDO DE MÉTODOS PARA PREVISÃO DA PRODUÇÃO DE GRÃOS NO BRASIL VIA SÉRIES TEMPORAIS
DOI:
https://doi.org/10.12957/cadest.2020.57913Palavras-chave:
Produção de grãos, Previsões, Séries TemporaisResumo
DOI: 10.12957/cadest.2020.57913
A previsão é uma ferramenta fundamental para se posicionar estrategicamente frente aos negócios futuros. O objetivo deste artigo é estudar a previsão da produção de grãos no Brasil, utilizando os dados históricos disponibilizados pela CONAB, no período de 1976/1977 a 2018/2019, via análise de séries temporais. Foi utilizado o método Box & Jenkis para realizações das previsões. A definição do melhor modelo foi por meio da avaliação dos erros de previsão calculados para cada modelo e escolhido o que melhor representa a série analisada. O modelo que mais se adequou foi o ARIMA (1,1,2), com MAPE de 7,1% (validação) e 5,4%(teste) com AIC 18,05. Com os resultados obtidos na previsão da produção, percebeu-se que o modelo escolhido atendeu a expectativa da previsão, pois gerou resultados dentro dos limites inferiores e superiores de variação com 95% de confiança.
Downloads
Referências
AKAIKE, H. (1976). Canonical correlation analysis of time series and the use of an information criterion, in Systems Identification: Advances and Case Studies (eds. R. K. Mehra and D. G. Lainiotis), Academic Press, New York, pp. 27-96.
BAYER, F. M.; SOUZA, A. M. Wavelets e modelos tradicionais de previsão: Um estudo comparativo. Revista Brasileira de Biometria, São Paulo. v.28, p.40-61, 2010.
BREALEY, R. A. Princípios de finanças corporativas [recurso eletrônico] Richard A. Brealey, Stewart C. Myers, Franklin Allen. tradução: Celso Roberto Paschoa ; revisão técnica: João Carlos Douat. – 10. ed. – Dados eletrônicos. – Porto Alegre : AMGH, 2013.
CARNEIRO, D. M.; DUARTE, S. L.; COSTA, S. A. da. Determinantes dos custos da produção de soja no Brasil, Custos e @gronegócio on line - v. 15, n. 1, Jan/Mar - 2019.
CASTRO, E. R. de. Teoria dos Custos. In: SANTOS, Maurinho Luiz dos et al. Microeconomia Aplicada. Visconde do Rio Branco: Suprema, 2009.
CONAB - Companhia Nacional de Abastecimento. Custos de produção agrícola: a metodologia da Conab. -- Brasília : Conab, 2010.
CONAB. Companhia Nacional de Abastecimento. Série histórica das safras. Disponível em: <https://www.conab.gov.br/info-agro/safras/série-historica-das-safras?start=10> acesso em 28/09/2019.
DUARTE. E. M.; FONSECA, J. S. A .da A análise da volatilidade do índice PSI-20 baseado em modelos ARCH E GARCH. Estudos de gestão. Portuguese Journal of Management Studies, 2003.
EHLERS, R. S. Análise de Séries Temporais. 5. ed. 2009. Disponível em: <http://www.icmc.usp.br/~ehlers/stemp/stemp.pdf>. Acesso dia 26/10/2019.
EMBRAPA - Empresa Brasileira de Pesquisa Agropecuária Ministério da Agricultura, Pecuária e Abastecimento. VISÃO 2030, O Futuro da Agricultura Brasileira. Brasília, DF, 2018. Disponível em: <https://www.embrapa.br/visao/o-futuro-da-agricultura-brasileira>. Acesso em 05/10/2019.
FERRO, W.A.; LIMA, J.D. de; TRENTIN, M.G. Combinações de Métodos Quantitativos na Previsão de Demanda de Vendas de Eletrodomésticos. GEPROS. Gestão da Produção, Operações e Sistemas, v. 14, n. 5, p. 67 - 88, 2019.
GIL, Antônio Carlos. Como elaborar projetos de pesquisa. 4. ed. - São Paulo: Atlas, 2002.
HYNDMAN, R.; ATHANASOPOULOS, G. Forecasting: principles and practice. O Texts, Monash University, Australia, 2018.
IBGE. Instituto Brasileiro de Geografia e Estatística. Censo Agropecuário 2017. Rio de Janeiro, 2019. Disponível em: < https://www.ibge.gov.br/estatisticas/economicas/agricultura-e-pecuaria/21814-2017-censo-agropecuario.html?=&t=publicacoes> Acesso em 03/11/2019.
LIMA, J. D. de; BATISTUS, D. R.; ADAMCZUK, G. O.; TRENTIN, M. G.; POZZA, C. B. A study of the performance of individual techniques and their combinations to forecast urban water demand. Espacios, v.37, n.22, p.5, 2016.
Mancuso; A. C. B.; Werner, L. A comparative study on combinations of forecasts and their individual forecasts by means of simulated series. Acta Scientiarum, Technology, v. 41, e41452, 2019.
MAPA - Ministério da Agricultura, Pecuária e Abastecimento. Projeções do Agronegócio. Brasília, 2019.
MAPA - Ministério da Agricultura, Pecuária e Abastecimento. Projeções do Agronegócio. Brasília, 2020.
MONTGOMERY, D. C.; JENNINGS, C. L.; KULAHCI, M. Introduction to Time Séries Analysis and Forecasting. Hoboken: John Wiley & Sons, Inc., 2008.
MORETTIN, P. A.; TOLOI, C. M. C. Análise de séries temporais. São Paulo: Edgar Blucher, 2006.
PELLEGRINI, F.R.; FOGLIATTO, F.S. Metodologia para Implantação de Sistemas de Previsão de Demanda – técnicas e estudo de caso. Anais do XXI ENEGEP – Encontro Nacional de Engenharia de Produção – CD-ROM. Salvador, 2001.
STATGRAPHICS CENTURION XVI. Version 16.1.11. User’s Guide. 2020.
WERNER, L.; RIBEIRO J. Modelo Composto para Prever Demanda Através da Integração de Previsões. Produção, Vol.16, n. 3, p.493-509, 2006.
ZOU, H.F.; XIA, G.P.; YANG, WANG, H.Y. An investigation and comparison of artificial neural network and time series models for Chinese food grain price forecasting. Neurocomputing. v. 70. 2007. p. 2913–2923.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Declaramos que, em caso de aceitação do artigo, os autores permanecem com os direitos autorais do artigo, concedendo a revista Cadernos do IME – Série Estatística os direitos de primeira publicação e outros direitos de publicação não exclusivos referentes ao mesmo.
