Sie sind auf Seite 1von 30

ANLISE DE MODELOS DE SRIES TEMPORAIS PARA A PREVISO MENSAL DO ICMS DO ESTADO DO MARANHO PARA O ANO DE 2008

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

GOVERNADOR DO ESTADO DO MARANHO Jackson Lago SECRETRIO DE ESTADO DO PLANEJAMENTO E ORAMENTO Abdelaziz Aboud Santos INSTITUTO MARANHENSE DE ESTUDOS SOCIOECONMICOS E CARTOGRFICOS PRESIDENTE Raimundo Nonato Palhano Silva DIRETOR DE ESTUDOS E PESQUISAS Hiroshi Matsumoto DIRETOR DE ESTUDOS AMBIENTAIS E GEOPROCESSAMENTO Jos Raimundo Silva SUPERVISOR ADMINISTRATIVO-FINANCEIRO Tetsuo Tsuji CHEFE DA ASSESSORIA JURDICA Joo Batista Ericeira CHEFE DE GABINETE Jhonatan U. P. Sousa ORGANIZAO DOS CADERNOS IMESC Raimundo Nonato Palhano Silva Jhonatan U. P. Sousa REVISO Joslia Morais de Sousa NORMALIZAO Virginia Bittencourt Tavares Conceio Neves

Santos, Alan Vasconcelos Anlise de modelos de sries temporrias para a previso mensal do ICMS do Estado do Maranho / Alan Vasconcelos Santos, Jos Henrique Frazo Costa. So Lus: IMESC, 2008. 30 p.: il. (Cadernos IMESC, 6) ISBN 978-85-61929-07-7 1. Finanas Pblicas Maranho. I. Costa, Jos Henrique Frazo. II. Ttulo. III. Srie. CDU 336 (812.1)

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

ALAN VASCONCELOS SANTOS JOS HENRIQUE FRAZO COSTA

ANLISE DE MODELOS DE SRIES TEMPORAIS PARA A PREVISO MENSAL DO ICMS DO ESTADO DO MARANHO PARA O ANO DE 2008
Cadernos IMESC 6

So Lus IMESC 2008

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

INSTITUTO MARANHENSE DE ESTUDOS SOCIOECONMICOS E CARTOGRFICOS CONSELHO EDITORIAL Raimundo Nonato Palhano Silva Presidente Francisca Zubicueta Hiroshi Matsumoto Jane Karina Silva Mendona Jhonatan U. P. Sousa Joo Batista Ericeira Jos Ribamar Trovo Jos Rossini Campos do Couto Corra Josiel Ribeiro Ferreira Madian de Jesus Frazo Pereira Rosemary Paiva Marques Teixeira Tetsuo Tsuji

Presidncia do IMESC Av. Jernimo de Albuquerque, S/N Edifcio Clodomir Milet 6 andar - CALHAU So Lus-MA | CEP 65074-220 (98) 3218 2176 (98) 3218 2394 (Fax) Diretorias de Pesquisa/Coordenadoria de Informao e Documentao Av. Senador Vitorino Freire, S/N Edifcio Jonas Soares 4 andar AREINHA So Lus-MA | CEP 65030-015 (98) 3221-2353 (98) 3221-2504 www.imesc.ma.gov.br www.seplan.ma.gov.br www.ma.gov.br

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

APRESENTAO

A srie editorial Cadernos IMESC, editada pelo Instituto Maranhense de Estudos Socioeconmicos e Cartogrficos-IMESC, objetiva resgatar o debate pblico sobre temas contemporneos e relevantes da realidade maranhense, com vistas a contribuir para o planejamento do desenvolvimento sustentvel do Maranho. Essa iniciativa integrante do Plano Editorial do IMESC para sua consecuo contou com pesquisadores de vrias reas do conhecimento que colaboraram no desenvolvimento de estudos e pesquisas abordando a reflexo sobre temas cruciais para a sociedade e para o governo estadual. Existe uma verdadeira lacuna na rea dos estudos maranhenses, talvez explicada por nosso olhar pessimista s coisas da terra, abrumando assim, as tentativas de compreender em termos claros e resolutos nossos problemas. No momento atual o conhecimento valor imprescindvel e estratgico para o sucesso de qualquer sociedade no mundo, fundamental para uma insero soberana e competente, cuja base est nas inteligncias mobilizadas e articuladas em torno de um objetivo comum. As fronteiras arcaizadas entre o prtico e o terico so cada vez mais tnues, a construo de um pensar prtico decisivo para a sobrevivncia num mundo em constante torvelinho. O desafio dos Cadernos IMESC ousar e, ao mesmo tempo, romper com essas fronteiras, para desenvolver idias originais e aplicveis, necessrias ao avano do conhecimento que cose as bases da transio entre o hoje e o amanh, do Maranho atual e para um Maranho Grande, culminncia da ruptura com os tradicionais processos de descontinuidade que marcam a formao histrica maranhense.

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

O novo planejamento pblico que estamos construindo com a participao ativa da sociedade, para cumprir seu desafio histrico, dever ser um ente pblico estimulador e dinamizador das vrias foras estratgicas associadas ao

desenvolvimento sustentvel: a fora da economia, a fora da educao, a fora da poltica, a fora da sociedade organizada, a fora da cultura e sobretudo, a fora do conhecimento.

Abdelaziz Aboud Santos Secretrio de Estado do Planejamento e Oramento

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

SUMRIO

1 INTRODUO ...................................................................................................... 9 2 MODELOS DE SRIES TEMPORAIS ............................................................. 10 2.1 Modelo de Alisamento Exponencial Simples (AES) ....................................... 13 2.2 Modelo de Alisamento Exponencial Duplo (AED) ......................................... 15 2.3 Modelo de Alisamento Exponencial Biparamtrico de Holt (AEH) ............. 16 2.4 Modelo de Alisamento Exponencial Sazonal de Holt-Winters (HW) ........... 17 3 RESULTADOS EMPRICOS ............................................................................. 18 4 CONSIDERAES FINAIS ............................................................................... 24 REFERNCIAS....................................................................................................... 26 PERFIL DO AUTORES ......................................................................................... 27

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

ANLISE DE MODELOS DE SRIES TEMPORAIS PARA A PREVISO MENSAL DO * ICMS DO ESTADO DO MARANHO PARA O ANO DE 2008 Alan Vasconcelos Santos Jos Henrique Frazo Costa

1 INTRODUO

Um dos aspectos primordiais dos mtodos e tcnicas economtricas est em seu poder de criar modelos de previso confiveis, principalmente os de curto prazo. Uma previso nada mais que uma estimativa quantitativa sobre eventos futuros baseados em informaes de perodos passados e recentes. Assim o planejamento, o controle e a elaborao de polticas econmicas apresentaro melhor eficincia se, preliminarmente, contarem com ferramentas que possibilitem antecipar valores de certas variveis econmicas. O presente trabalho tem por finalidade desenvolver um modelo de previso mensal, para o ano de 2008, da principal receita tributria do Estado do Maranho, o ICMS. A metodologia empregada consistir na aplicao de um modelo de srie temporal determinstico, denominado alisamento exponencial. De forma mais precisa, como o ICMS apresenta, ao longo do tempo, tendncia e sazonalidade, sero utilizados os modelos de alisamento exponencial sazonal de HoltWinters aditivo e multiplicativo. A escolha de se fazer previses da varivel ICMS decorre do fato de que este imposto representa a maior fonte de arrecadao do Governo Estadual (91,66% do total das receitas tributrias). Desta forma, dado que a previso constitui-se em um meio de fornecer informaes para uma conseqente tomada de decises, as previses desse tributo podem auxiliar o Governo em suas decises que visem o aumento do bem-estar econmico. A estrutura deste trabalho est dividida em trs etapas, alm desta primeira introdutria. A segunda aborda as questes tericas sobre modelos economtricos utilizados pela Cincia Econmica para efetuar previses. De uma forma geral, tal etapa expe, com base na bibliografia consultada, os principais aspectos tericos dos modelos empregados na previso de sries temporais. Discutem-se, especificamente, os mtodos de alisamento exponencial (Simples, Duplo e Sazonal de Holt-Winters).

Esta pesquisa foi produzida no mbito do projeto Ciclo de Estudos e Idias sobre o Maranho do Instituto Maranhense de Estudos Socioeconmicos e Cartogrficos-IMESC, iniciado em 2007. 9

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

A terceira parte do estudo refere-se aos resultados empricos de previso obtidos. Para cada tcnica mostram-se os critrios utilizados para a seleo dos modelos capazes de gerar previses e os seus principais resultados. Assim, aps a escolha do modelo de previso, sero ilustrados os resultados da previso mensal oriundos dos mtodos determinsticos do ICMS para o ano de 2008. Finalmente, a quarta etapa diz respeito s concluses do trabalho.

2 MODELOS DE SRIES TEMPORAIS

De uma forma bastante simples, uma srie temporal qualquer conjunto de observaes ordenadas no tempo. Em outras palavras, consiste em um conjunto de observaes geradas seqencialmente no tempo. Uma srie temporal pode ser discreta ou contnua, dependendo se o conjunto de observaes discreto ou contnuo, respectivamente. possvel, todavia, obter uma srie temporal discreta por meio da amostragem de uma srie contnua em intervalos de tempo iguais. As sries que sero estudadas e modeladas neste trabalho so discretas tendo em vista que as observaes disponveis so dadas em tempo discreto e em intervalos eqidistantes no tempo. Para uma definio formal de srie temporal necessita-se primeiramente conceituar um processo estocstico. Um processo estocstico qualquer fenmeno estatstico que evolui no tempo de acordo com as leis probabilsticas. Pode-se entend-lo como um modelo que descreve a estrutura probabilstica de uma seqncia de observaes (Box, Jenkins & Reinsel, 1994). Neste sentido, uma srie temporal considerada uma realizao particular produzida pelo mecanismo probabilstico, ou seja, pura e simplesmente uma realizao de um processo estocstico. Dessa forma, assume-se que cada valor de uma srie y = ( y1 , y 2 ,...., yT ) extrado aleatoriamente de uma distribuio de probabilidade. Assim, se fosse possvel especificar a funo de distribuio de probabilidade de uma determinada srie temporal, se poderia determinar tambm a probabilidade de um resultado futuro da srie. A completa especificao da funo de distribuio de probabilidade para uma srie, no entanto, uma tarefa geralmente impossvel. A fim de determinar um modelo que descreva o comportamento aleatrio da srie, com o propsito de realizar previses, faz-se necessrio supor que o processo gerador da srie seja estacionrio. Esta suposio indica que o processo estocstico que gerou determinada srie considerado invariante com respeito ao tempo. Em outras palavras, o processo estocstico baseado na suposio de que o mesmo se encontra em um particular estado de equilbrio estatstico. Caso as caractersticas do processo estocstico mudem ao longo do tempo, ento o processo dito noestacionrio. Do contrrio, se o processo fixado no tempo, ento se tem um processo estacionrio e pode-se model-lo via uma equao com coeficientes fixos que podem ser estimados a partir das
10

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

observaes passadas. Em suma, assume-se que os processos aleatrios esto em equilbrio em torno de um nvel mdio constante e que a probabilidade de uma dada flutuao do nvel mdio a mesma em qualquer ponto do tempo. Dado o conceito de estacionaridade das sries temporais, pode-se classific-las tecnicamente de duas formas: i) estacionaridade estrita ou forte; ii) e estacionaridade fraca ou de segunda ordem. Um processo estocstico estritamente estacionrio se suas propriedades no so afetadas pela mudana da origem do tempo, ou seja, se a distribuio de probabilidade conjunta com m observaes yt1 , yt 2 ,..., yt m , feitas em qualquer conjunto de tempo t1, t2, ..., tm, a mesma que a associada com m observaes yt1 + k , yt 2 + k ,..., yt m + k , feitas no tempo t1+k, t2+k, ..., tm+k. Assim, para um processo discreto ser estritamente estacionrio a distribuio conjunta de qualquer conjunto de observaes no dever ser afetada pela alterao de todos os tempos de observao para qualquer constante k. Por outro lado, a estacionaridade fraca requer menos restries, pois somente as condies listadas a seguir devem ser satisfeitas para que um processo seja fracamente estacionrio: 1
E [Yt ] = = cons tan te, t ;

i) ii)

E (Yt )(Yt j ) = j , t , j

Portanto, diferentemente do processo estritamente estacionrio, em que toda a estrutura probabilstica dever depender da diferena do tempo, no processo fracamente estacionrio necessita-se apenas que os dois primeiros momentos da funo densidade de probabilidade dependam da defasagem do tempo. No tocante previso de sries temporais, esta se constitui em uma das finalidades mais importantes da construo de modelos estocsticos. Dentre outros objetivos da anlise de sries temporais destacam-se, alm de se elaborar previses futuras de uma srie, os seguintes: i) investigar o mecanismo gerador da srie temporal; ii) descrever o comportamento da srie (construo de grficos, histogramas, diagramas de disperso, verificao de existncia de ciclos, tendncias e sazonalidades, etc); iii) e a de procurar periodicidades relevantes nos dados (a anlise espectral pode ser de grande utilidade para que este objetivo seja alcanado). Dessa forma, uma suposio importante que se faz a respeito de uma srie a estacionaridade, isto , que ela se

Ver Hamilton (1994). 11

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

desenvolva no tempo aleatoriamente ao redor de uma mdia constante, refletindo alguma forma de equilbrio estvel. Os modelos que sero desenvolvidos a partir de agora partem do princpio de que a srie, cuja previso ser efetuada, estacionria ou pode se tornar estacionria por meio de uma transformao dos dados.2 Em Economia existem dois mtodos bastante utilizados para a tarefa de gerar previses. So eles: i) Modelos Economtricos; ii) e Modelos de Sries Temporais. Um modelo, primeiramente, consiste em uma descrio probabilstica de uma srie temporal, cabendo ao usurio decidir o modo como utiliz-lo, dado seus objetivos. Deve-se salientar que a previso no se constitui em um fim em si, mas apenas um meio de fornecer informaes para uma conseqente tomada de decises, visando a determinadas finalidades (Morettin & Toloi, 1987). O mtodo economtrico fortemente baseado na teoria econmica para a construo do modelo, onde h a incluso de vrias variveis relacionadas entre si (relao causal). Por sua vez, os mtodos de anlise de sries temporais consideram o padro de movimentos passados de uma varivel e utiliza essas informaes para prever valores futuros dessa varivel. Ou seja, na construo do modelo os dados falam por si, pois no se utiliza teoria econmica alguma. Pode-se, ainda, classificar os mtodos de anlise de sries temporais em dois subgrupos: i) determinsticos; ii) ou estocsticos.
3

Os modelos determinsticos so aqueles que no consideram alguma fonte ou natureza aleatria da srie. So denominados tambm de mtodos automticos de previso, pois no existe um tratamento estatstico adequado, embora apresentem resultados satisfatrios em muitas aplicaes. Os modelos estatsticos pressupem que uma srie tenha sido gerada por um processo estocstico, em que cada observao da varivel em estudo realizada aleatoriamente a partir de uma distribuio de probabilidade.4 Os modelos de sries temporais a serem enumerados a seguir so do tipo determinstico, pois no fazem referncia alguma fonte de aleatoriedade da srie. Esses modelos fornecem previses de uma srie com base em seu comportamento passado e o motivo de serem aqui explicitados decorre do fato de serem simples, de baixo custo e ainda adequados para realizar previses. Especificamente, sero tratados alguns modelos de alisamento exponencial. Estes modelos so na verdade mtodos simples de previses adaptativas, no sentido de que automaticamente ocorre um ajuste para a incluso de dados mais recentes. Uma das caractersticas principais deste mtodo de previso que o mesmo fornece uma previso efetiva mesmo quando se

A transformao mais comum consiste em tomar diferenas sucessivas da srie original. Este tipo de srie no estacionria, mas que pode se tornar estacionria, denominada srie no estacionria homognea. 3 Ver Ferreira (1996). 12

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

dispe de poucas observaes. Alm disso, diferentemente do que acontece com os modelos de regresso5, os quais se utilizam de coeficientes fixos, as previses obtidas atravs dos modelos de alisamento exponencial so baseadas nos erros de previso passados. A seguir sero expostas breves consideraes tericas acerca de alguns mtodos de alisamento exponencial utilizados para a realizao de previses, que so: i) Alisamento Exponencial Simples (AES); ii) Alisamento Exponencial Duplo (AED); iii) Alisamento Exponencial Biparamtrico de Holt (AEH); iv) e o Alisamento Exponencial Sazonal de HoltWinters (HW).

2.1 Modelo de Alisamento Exponencial Simples (AES)

A tcnica do alisamento exponencial simples (AES) representa uma classe de modelos determinsticos de mdias mveis tendo como principal caracterstica utilizao de diferentes pesos para as observaes na obteno do valor alisado. Mais precisamente, diferentemente do que acontece com o modelo determinstico de mdia mvel, tal modelo atribui maior ponderao s observaes mais recentes e menor ponderao (decrescendo

exponencialmente) s observaes mais antigas, eliminando, dessa forma, uma das desvantagens do modelo de mdia mvel. Este mtodo apropriado para sries que possuem uma trajetria aleatria em torno de uma mdia constante. Sendo assim, no indicado para realizar previses de uma srie temporal que apresente tendncia ou algum padro sazonal. Analiticamente, pode-se descrever uma srie exponencialmente alisada ~ como: y
t

~ = y + (1 ) y + (1 ) 2 y + L yt +1 t t 1 t 2

O parmetro da equao acima denominado coeficiente ou constante de alisamento e pode assumir qualquer valor entre 0 e 1 (isto , 0 1 ). Quanto menor for o valor de
mais estveis sero as previses finais, uma vez que a utilizao de baixo valor de implica na

atribuio de maiores pesos s observaes passadas e, conseqentemente, qualquer flutuao aleatria no presente contribui com menor importncia para a obteno da previso.

4 5

Neste estudo sero empregados apenas os modelos de sries temporais determinsticos. Tais modelos no sero estudados neste texto.

13

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

Com base na equao anterior pode-se entender a razo desse mtodo se chamar alisamento exponencial. Nota-se que a previso da srie yt (ou srie alisada) uma mdia ponderada dos valores passados de yt , onde os pesos atribudos declinam exponencialmente com o decorrer do tempo. Uma outra maneira de expressar o modelo de AES por meio da diferena resultante entre a expresso acima e a equao
(1 ) ~t = (1 ) yt 1 + (1 ) 2 yt 2 + L y

de onde se obtm:
~ = y + (1 ) ~ yt +1 yt t

Em se tratando de previso, pode-se obter o valor alisado de perodos frente da seguinte forma:
yT +1 = yT + (1 ) yT 1 + (1 ) 2 yT 2 + L

= (1 ) i yT i
i=0

yT + 2 = yT +1 + (1 ) yT + (1 ) 2 yT 1 + L = [yT + (1 ) yT 1 + (1 ) yT 2 + L] + (1 ) yT + (1 ) 2 yT 1 + L

= 2 (1 )i yT i + (1 ) (1 )i yT i
i =0 i =0

= (1 )i yT i
i =0

Generalizando, obtm-se a previso para o perodo h:

yT + h = (1 )i yT i
i =0

14

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

Assim, partindo-se do perodo em que est disponvel a observao mais recente, a previso de valores frente, independentemente do perodo futuro de que se faa a previso, constante. Porm, medida que o modelo absorve novas observaes, pode-se determinar uma equao de atualizao de previso em que o valor previsto consiste na soma da previso do perodo imediatamente anterior e de uma proporo do erro de previso do mesmo perodo anterior. Dessa maneira, a nova previso pode ser obtida da anterior, adicionando-se um mltiplo do erro de previso, indicando que a previso est sempre alerta a mudanas no nvel da srie, revelada pelo erro de previso (Morettin &Toloi, 1987). Portanto, para a previso do valor da srie no perodo h frente tem-se:
yT + h = ( yT + h 1 yT + h 1 ) + yT + h 1 = (eT + h 1 ) + yT + h 1

onde yT + h 1 o ltimo valor previsto da srie e (eT + h 1 ) o erro de previso no


perodo T+h-1.

Finalmente, devem-se salientar algumas vantagens e desvantagens do modelo de AES. Dentre as principais vantagens destacam-se o seu fcil entendimento e sua aplicao no dispendiosa, bem como sua grande flexibilidade decorrente da variao da constante de alisamento . Alm disso, para fins de previso, o modelo armazena somente os valores de y , ~ e . Em y
t t

contrapartida, a dificuldade em determinar o valor mais apropriado para a constante de alisamento


constitui-se em sua principal desvantagem.

2.2 Modelo de Alisamento Exponencial Duplo (AED)

O mtodo de alisamento exponencial simples, quando aplicado s sries temporais que apresentam tendncia linear positiva ou negativa entre as observaes passadas, fornece prognsticos de predio subestimados ou superestimados dos valores reais da srie. A fim de evitar tal erro sistemtico, foram desenvolvidos mtodos de alisamento exponencial com a propriedade de reconhecer a presena da tendncia na srie de dados. A tcnica de alisamento exponencial duplo (AED), tambm denominado mtodo de Brown, consiste, como o prprio nome deixa transparecer, simplesmente na aplicao repetida do

15

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

mtodo de alisamento exponencial simples (AES), utilizando-se do mesmo parmetro de alisamento


. Tal tcnica resumida pelas equaes abaixo: 6

~ = y + (1 ) ~ yt yt 1 t ~ ~ = ~ + (1 ) ~ ~ yt yt yt 1 ~ at = 2 ~t ~t y y

bt =

~ ( ~t ~t ) y y

yt + h = at + hbt

onde: ~t o valor exponencialmente alisado de yt ; y

~ ~ o valor exponencialmente alisado de ~ ; yt yt

a constante de alisamento (0< <1);


at a diferena entre os valores exponencialmente alisados; bt a medida de inclinao (fator de ajustamento); h o nmero de perodos frente.

2.3 Modelo de Alisamento Exponencial Biparamtrico de Holt (AEH)

O AEH outra tcnica de alisamento exponencial dirigido para sries que apresentam tendncia linear. Ao contrrio do mtodo de Brown, em que somente uma constante de alisamento utilizada e os valores estimados da tendncia so bastante sensveis a influncias aleatrias, o mtodo de Holt utiliza dois coeficientes diferentes de alisamento e descrito pelas equaes dadas a seguir:
~ = y + (1 )( ~ + T ) yt yt 1 t 1 t Tt = ( ~t ~t 1 ) + (1 )Tt 1 y y yt + h = ~t + hTt y

Srie alisada exponencialmente (0< <1) Estimativa da tendncia (0< <1) Previso da srie h perodos frente

onde: Tt a tendncia da srie;

As dedues das frmulas podem ser encontradas em Morettin & Toloi (1987).

16

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

a constante de alisamento da estimativa da tendncia.


O procedimento de determinao das constantes de alisamento deste modelo anlogo ao de determinao da constante de alisamento de um modelo AES, s que ao invs de se escolher o valor de que torna a soma dos erros quadrticos de previso mnimo, escolhe-se o valor do vetor ( , ) tal que isto ocorra (Morettin & Toloi, 1987). Deve-se atentar para o fato de que a determinao dos valores das constantes e constituem na maior desvantagem deste modelo.

2.4 Modelo de Alisamento Exponencial Sazonal de Holt-Winters (HW)

O modelo de alisamento exponencial sazonal de Holt-Winters (HW) possui aplicabilidade para a previso de dados em sries temporais que apresentem um padro de comportamento mais complexo. Em outras palavras, este mtodo apropriado para sries com tendncia linear e variaes sazonais. Existem dois tipos de procedimentos diferentes indicados para a previso deste tipo de srie e a sua utilizao depende das caractersticas da srie considerada. Especificamente, adota-se um determinado procedimento para sries que apresentam variao sazonal multiplicativa e um outro para sries que apresentam variao sazonal aditiva. O primeiro procedimento (aplicado a sries com variao sazonal multiplicativa) segue de acordo com as expresses abaixo:

~ = yt + (1 )( ~ + T ) yt y t 1 t 1 St L
Tt = ( ~t ~t 1 ) + (1 )Tt 1 y y

Srie alisada exponencialmente (0< <1) Estimativa da tendncia (0< <1)

y S t = ~t + (1 ) S t L yt
yt + h = ( ~t + hTt )St L + h y

Estimativa da sazonalidade (0< <1) Previso da srie h perodos frente

onde: a constante de alisamento;

a constante de alisamento da estimativa da tendncia;

17

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

a constante de alisamento da estimativa da sazonalidade;


Tt a estimativa da tendncia; St a estimativa sazonal;
L a extenso da sazonalidade.

O segundo procedimento utilizado quando a srie temporal possui variao sazonal aditiva sendo resumido pelas equaes a seguir:
~ = ( y S ) + (1 )( ~ + T ) yt yt 1 t tL t 1 Tt = ( ~t ~t 1 ) + (1 )Tt 1 y y St = ( yt ~t ) + (1 ) S t L y yt + h = ~t + hTt + St L + h y

Srie alisada exponencialmente (0< <1) Estimativa da tendncia (0< <1) Estimativa da sazonalidade (0< <1) Previso da srie h perodos frente

Tanto para a sazonalidade multiplicativa quanto para a sazonalidade aditiva, os valores das constantes de alisamento so calculados de forma a minimizar a soma dos quadrados dos erros de previso. As formas multiplicativas e aditivas do algoritmo de Holt-Winters sazonal podem fornecer previses bem diferentes. Se a srie apresentar oscilaes sazonais aproximadamente constantes, o modelo aditivo mais indicado. Porm, se as oscilaes sazonais forem proporcionais ao nvel da srie, o modelo multiplicativo mais indicado. Alternativamente, pode-se utilizar os dois procedimentos e escolher aquele que fornece menor erro de previso. Finalmente, cabe alertar para as desvantagens que geralmente se encontra ao aplicar esta metodologia. As principais desvantagens so as dificuldades em determinar os valores mais apropriados das constantes de alisamento e a impossibilidade e/ou dificuldade de estudar as propriedades estatsticas, tais como mdia e varincia de previso e, conseqentemente, construo de um intervalo de confiana.

3 RESULTADOS EMPRICOS

A partir desse instante, sero apresentados os principais resultados de estimao dos modelos de alisamento exponencial (Holt-Winters Aditivo e Multiplicativo)7 e de previso mensal
7

Os referidos resultados foram gerados pelo programa computacional E-Views (verso 3.1).

18

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

do ICMS do Estado do Maranho para o ano de 2008. Os dados foram fornecidos pela Secretaria de Estado de Fazenda do Maranho para o perodo de janeiro de 2003 a dezembro de 2007. Deve-se salientar que, antes de estimar os modelos determinsticos de previso, a receita tributria foi deflacionada pelo IGP-DI (ms base: dez/07). Portanto, os valores mensais previstos do ICMS referem-se a valores constantes (reais), tomando-se como base o ms de dezembro de 2007. Quando se suspeita que a srie a ser alisada possui tendncia e/ou sazonalidade, recorre-se metodologia em que se incorpora ambos os componentes alisamento exponencial sazonal de Holt-Winters aditivo e multiplicativo. Assim, a metodologia empregada para a previso da srie consistiu: i) na reduo da amostra (2003:01 a 2006:12) para a realizao da previso expost; ii) na estimao dos parmetros da srie alisada atravs do modelo de alisamento exponencial

sazonal aditivo e multiplicativo; ii) na escolha do modelo adequado, com base no critrio do EPAM8, que servir de base para a realizao das previses ex-ante; iii) na nova estimao dos parmetros do modelo escolhido utilizando agora toda a amostra (2003:01 a 2007:12); iv) na gerao dos valores mensais previstos. Considerando a primeira etapa da metodologia, reduziu-se o tamanho amostral da srie em um ano (2003:01 a 2006:12) a fim de obter os resultados de estimao dos parmetros para os dois modelos. A tabela 01 demonstra a estimao dos parmetros para o modelo Holt-Winters aditivo enquanto a tabela 02 para o modelo multiplicativo:

Erro percentual absoluto mdio.


19

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

Tabela 01: Resultado de estimao da srie ICMS pelo mtodo do alisamento exponencial HoltWinters aditivo (perodo: 2003:01 a 2006:12).
Sample: 2003:01 2006:12 Included observations: 48 Method: Holt-Winters Additive Seasonal Original Series: ICMS Forecast Series: ICMS-HWA Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 0.2000 0.0000 0.0000 4.56E+15 9748506. 1.77E+08 1718911. 7584248. 15248153 -1559185. -5461389. -9549812. -10313307 6741979. -1883979. 1788666. 7864129. -5426877. -5032625.

2006:01 2006:02 2006:03 2006:04 2006:05 2006:06 2006:07 2006:08 2006:09 2006:10 2006:11 2006:12

20

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

Tabela 02: Resultado de estimao da srie ICMS pelo mtodo do alisamento exponencial HoltWinters multiplicativo (perodo: 2003:01 a 2006:12).
Sample: 2003:01 2006:12 Included observations: 48 Method: Holt-Winters Multiplicative Seasonal Original Series: ICMS Forecast Series: ICMS-HWM Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 0.1900 0.0000 0.0000 4.73E+15 9921592. 1.77E+08 1718911. 1.059626 1.130005 0.984445 0.950830 0.935036 0.922317 1.056682 0.989618 0.999027 1.061426 0.953367 0.957621

2006:01 2006:02 2006:03 2006:04 2006:05 2006:06 2006:07 2006:08 2006:09 2006:10 2006:11 2006:12

A escolha do modelo mais adequado para gerar as previses mensais desejadas do ICMS, embora existam outros critrios disponveis, foi feita com base na comparao do erro percentual absoluto mdio de cada modelo (EPAM) dos dois mtodos. O clculo do EPAM elaborado de acordo da seguinte frmula:9

/ yt yt / yt EPAM = t =1 n

Os resultados do clculo deste indicador esto resumidos abaixo, a partir dos quais chegou-se a concluso de que, dentre os dois mtodos de alisamento exponencial, o modelo sazonal aditivo de Holt-Winters apresentou melhor desempenho, pois resultou em um menor EPAM (8,56%).
9

Outros critrios de medida e controle de predio podem ser encontrados em FERREIRA (1996) e em Hanke & Reitsch (1992).

21

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

Tabela 03: Comparao dos EPAM para a escolha do modelo de alisamento exponencial.
PERODO jan/07 fev/07 mar/07 abr/07 mai/07 jun/07 jul/07 ago/07 set/07 out/07 nov/07 dez/07 ICMS HW - AD 191.597.951,28 185.828.670,85 161.288.444,04 195.211.486,22 170.366.853,51 180.123.059,41 166.089.270,97 177.939.765,34 166.164.489,45 175.570.253,32 173.289.288,52 176.525.668,51 171.118.409,47 195.299.865,40 173.975.902,69 188.392.817,91 178.737.603,10 193.784.373,76 179.177.244,20 201.578.747,84 186.818.917,23 190.006.652,58 169.735.896,00 192.119.814,69 MDIA HW - MU 189.631.369,79 204.168.793,01 179.561.151,52 175.064.281,29 173.763.637,05 172.985.359,93 200.002.563,40 189.010.090,48 192.524.371,49 206.373.987,81 187.002.629,82 189.483.144,38 EPAM AD 3,01 21,03 5,73 7,14 5,66 1,87 14,13 8,29 8,42 12,50 1,71 13,19 8,56 EPAM MU 1,03 26,59 5,40 5,40 4,57 0,18 16,88 8,64 7,71 15,18 0,10 11,63 8,61

Escolhido o modelo fez-se uma nova estimao considerando agora todos os dados amostrais. Aps a realizao deste procedimento, obteve-se a previso mensal ex-ante para o ano de 2008. Os resultados, bem como o grfico que ilustra as sries (original ICMS e alisada ICMSHWA) do ICMS, encontram-se a seguir:

22

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

Tabela 04: Resultado de estimao da srie ICMS pelo mtodo do alisamento exponencial HoltWinters aditivo (perodo: 2003:01 a 2007:12).
Sample: 2003:01 2007:12 Included observations: 60 Method: Holt-Winters Additive Seasonal Original Series: ICMS Forecast Series: ICMS-HWA Parameters: Alpha Beta Gamma Sum of Squared Residuals Root Mean Squared Error End of Period Levels: Mean Trend Seasonals: 0.1900 0.0000 0.0000 6.11E+15 10089564 1.82E+08 1434557. 9907843. 9917637. -1771980. -5808690. -9123813. -8369078. 4781546. -1607151. 2223877. 7112747. -2051152. -5211784.

2007:01 2007:02 2007:03 2007:04 2007:05 2007:06 2007:07 2007:08 2007:09 2007:10 2007:11 2007:12

Grfico 01: Srie ICMS e srie ICMS-HWA


2.2E +08

2.0E +08

1.8E +08

1.6E +08

1.4E +08

1.2E +08

1.0E +08

8.0E +07 03:01 03:07 04:01 04:07 05:01 05:07 06:01 06:07 07:01 07:07 08:01 08:07

ICMS

ICMS-HWA

23

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

Tabela 05: Previso mensal dos valores reais do ICMS.


PERODO ICMS TAXA CRESCIMENTO ICMS (%) (ms 2008/ms 2007) 0,74 20,62 8,17 9,39 8,21 5,02 14,88 10,14 10,16 13,41 4,64 14,15

jan/08 fev/08 mar/08 abr/08 mai/08 jun/08 jul/08 ago/08 set/08 out/08 nov/08 dez/08

193.096.681,13 194.541.031,98 184.285.972,42 181.683.820,66 179.803.254,74 181.992.546,70 196.577.728,41 191.623.589,06 196.889.173,82 203.212.601,31 195.483.259,70 193.757.185,14

Duas observaes devem ser ditas. A primeira diz respeito srie alisada ICMSHWA. Na figura 01 observa-se que este srie amortece a verdadeira srie. Em outras palavras, a srie ICMS-HWA despreza os valores discrepantes (outliers). Assim, embora se tenha uma previso mdia acurada, as previses do modelo pode para alguns meses diferir significativamente do valor realizado. A segunda observao, a qual pode ser encontrada na ltima coluna da tabela 05, referese taxa de crescimento real mensal do ICMS prevista para o ano de 2008. Essa taxa de crescimento real toma como referncia os valores do ICMS em 2007. Pode-se constatar que h, para todos os meses, uma taxa positiva de crescimento.

4 CONSIDERAES FINAIS

O objetivo deste trabalho foi realizar previses mensais da srie do imposto sobre operaes relativas circulao de mercadorias e sobre prestaes de servios de transporte interestadual, intermunicipal e de comunicao (ICMS) para o ano de 2008. Na busca desse objetivo, utilizou-se a tcnica do alisamento exponencial sazonal de Holt-Winters aditivo, pois, como visto no decorrer do estudo, os resultados da previso ex-post, atravs da verificao do erro percentual absoluto mdio, mostraram-se superiores ao modelo de alisamento exponencial de HoltWinters multiplicativo. A fim de melhorar os resultados obtidos, pode-se proceder de trs maneiras. A primeira consiste no acompanhamento e atualizao mensal dos valores do ICMS e aplicar, a cada ms, o modelo de Holt-Winters para obter novos resultados. Considerando que os erros de previso

24

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

sero maiores para os meses mais afastados, existe a possibilidade de diminuir essa margem de erro e melhorar os resultados com a simples atualizao do ICMS. Outra maneira seria trabalhar com modelos estocsticos de sries temporais. Mais precisamente utilizando-se dos modelos sazonais de Box-Jenkins (ARIMA ou SARIMA), j que os mesmos, de acordo com a literatura, fornecem resultados mais acurados. Finalmente, o ltimo procedimento seria realizar uma combinao dos dois resultados de previso. Essa tcnica denomina-se Combinao de Previses e mostra-se, quando comparadas com as duas anteriores, a mais precisa, pois, normalmente, os erros de previso oriundos so menores.

25

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

REFERNCIAS

BOX, G. E. P.; JENKINS, G. M. & REINSEL, G. C. Time Series Analysis: Forecasting and Control. New Jersey, Prentice Hall, 1994. CASTELAR, I. & MYNBAEV, K. T. Two Essays on Econometrics. Fortaleza: CAEN, 2001. ENDERS, W. Applied Econometric Time Series. John Wiley & Sons, inc, 1995. FERREIRA, R. T. Modelos de Anlise de Sries Temporais para Previso do ICMS Mensal do Estado do Cear. 1996, 93p. Dissertao (Mestrado em Economia). Universidade Federal do Cear. FULLER, W. A. Introduction to Statistical Time Series. New York. Jonh Wiley and Sons, 1996. GIAMBIAGI, F. & Alm, A. C. Finanas Pblicas: Teoria e Prtica no Brasil. Editora Campus, 1999. GRANGER, C. W. J. & NEWBOLD, P. Forecasting Economic Time Series. Academic Press second edition, 1986. GUJARATI, D. N. Econometria Bsica. So Paulo: Makron Books, 2000. HAMILTON, J. D. Times Series Analysis. New Jersey: Princeton University Press, 1994. HANKE, J. E. & REITSCH, A. G. Business Forecasting. Allyn and Bacon, 1992. MADDALA, G. S. Introduction to Econometrics. New York: Macmillian Publishing Company, 1992. MORETTIN, P. A. e Toloi, C. M. de C. Previso de Sries Temporais. Atual Editora, 1987. PINDYCK, R. & RUBINFELD, D. L. Econometrics Models and Economic Forecasts. New York: McGraw-Hill, 1998.

26

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

PERFIL DOS AUTORES

ALAN SANTOS VASCONCELOS possui Mestrado em Economia pela Universidade Federal do

Cear, UFC (2003). Especializao em Estatstica pelo Instituto de Ensino Superior de Londrina, INESUL (2006) e Graduao em Cincias Econmicas pela Universidade Federal do Maranho, UFMA (1998); Professor Assistente do Departamento de Economia da UFMA (2006-atualmente) e Analista Ministerial Economista do Ministrio Pblico do Estado do Maranho (2000atualmente). pesquisador visitante do Instituto Maranhense de Estudos Socioeconmicos e Cartogrficos-IMESC.

JOS HENRIQUE FRAZO COSTA possui Mestrado em Administrao pela Fundao Getlio

Vargas (2006), Especializao em Gesto Estratgica Empresarial e Marketing pela Universidade do Grande Rio (2000) e Graduao em Cincias Econmicas pela Universidade Federal do Maranho (1988). Gerente da Caixa Econmica Federal (1990-2003), professor substituto da Universidade Federal do Maranho (1996-1997) e professor da Faculdade Atenas Maranhense (2004-atualmente).

27

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

28

Cadernos IMESC 6

ANLISE DE MODELOS DE SRIES TEMPORAIS

29

ANLISE DE MODELOS DE SRIES TEMPORAIS

Cadernos IMESC 6

30