Caracterização do comportamento sazonal de séries macroeconômicas por setor no Brasil no contexto da pandemia da COVID-19: Uma análise a partir do método de ajuste sazonal ARIMA X-13 SEATS

  • Aydano Ribeiro Leite UNIVERSIDADE REGIONAL DO CARIRI

Resumen

O ano de 2020 pode ser considerado um ponto de inflexão em função do choque da pandemia da Covid-19 e seus impactos sobre os diversos setores que compõe a economia brasileira. A necessidade de controlar e evitar a proliferação do vírus, fez com que governos em todo mundo adotassem medidas de isolamento social, que levou a paralisação parcial dos setores da economia resultando numa forte retração da atividade econômica. O propósito deste trabalho foi investigar e caracterizar diante do choque da pandemia da Covid-19, o comportamento sazonal das séries macroeconômicas dos setores industrial, comercial e de serviços, além do nível de atividade da econômica expresso no IBC-br. Para tanto, utilizou-se o método analítico de ajuste sazonal ARIMA X-13 SEATS, buscando identificar os processos Autorregressivos (AR) e de Médias Móveis (MA), além dos possíveis efeitos de calendário como os dias da semana, datas comemorativas e os outliers level shift (LS) ou additive outliers (AO) associados aos choques exógenos e aos impactos referentes à pandemia da Covid-19. Os resultados apontaram significativos efeitos dos outliers em relação à pandemia sobre os setores analisados e o nível de atividade da economia no Brasil. Ademais, os efeitos negativos mais significativos foram identificados no segundo trimestre de 2020, enquanto que a partir do segundo trimestre do mesmo ano, há evidências da recuperação no curto prazo da economia e dos setores avaliados.

Descargas

La descarga de datos todavía no está disponible.

Citas

Aguirre, A., & Aguirre, L. A. (1999). Modelos estatísticos e econométricos para estudo da sazonalidade de preços: o caso do preço da carne de boi. Nova Economia, 9.
Cavalcanti, M.A.F.H, et al. Atividade Econômica: PIB no Segundo Trimestre de 2020. Carta de Conjuntura. Número 8. Terceiro Trimestre de 2020. IPEA.
Chen, C., Liu, L. (1993a) JOINT ESTIMATION OF MODEL PARAMETERS AND OUTLIER EFFECTS IN TIME SERIES, JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 88, 284-297.
Dell’Ariccia, G., Mauro, P., Spilimbergo, A., and Zettelmeyer, J. (2020) Economic policies for the COVID-19 war, IMFBlog.
Ferreira, et. al. Métodos de ajuste sazonal para séries de Business Tendency: um estudo de caso para a Sondagem da Indústria utilizando o método X13-ARIMASEATS. Fundação Getúlio Vargas, 2015, p.43.
Ferreira, P., Gondin Jr, J., & Mattos, D. M. (2015). Portal IBRE/FGV. Acesso em 2015, disponívelemhttp://portalibre.fgv.br/main.jsp?lumPageId=402880811D8E34B9011D9CCBFDD1784C&contentId=8A 7C82C54ADE6252014B4A982E0662F6.
Ferreira, P.; Mattos, D.M. Usando o R para ensinar Ajuste Sazonal. São Paulo:FGV,2017.18p.Disponívelem: http://portalibre.fgv.br/lumis/portal/file/fileDownload.jsp?fileId=8A7C82C5519A547801533DF7BE5E2D0D
Findley, D.F. et.al (1998), “New Capabilities and Methods of the X- 12-ARIMA Seasonal-Adjustment Program,” Journal of Business and Economic Statistics, 16(2): 127–152.
Fok, D, et.al.Performance of Seasonal Adjustment Procedures: Simulation and Empirical Results. Econometric Institute Report,2005.
Gelper, S, et.al. C. Robust forecasting with exponential and Holt-Winters smoothing. Journal of Forecasting,v.29,285-300, 2010.Disponívelem: https://pure.tue.nl/ws/portalfiles/portal/3954158/671965904247136.pdf
Hannan, E.J; Rissanen, J., 1982. Recursive estimation of mixed autoregressive-moving average order. Biometrika 69, 81–94.
Harvey, A.C. Forcasting, structural time series models and the Kalman filter. Cambridge: Cambridge University Press, 1989.
Harvey, A., & Shephard, N. (1993). Structural Time Series Models. In: Handbook of Statistics (Vol. 11). Elsevier Science Publishers B.V.
Holt, C.C (1957) Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages. ONR Memorandum, vol. 52, Carnegie Institute of Technology, Pittsburgh.
IBGE. Pesquisa Industrial Mensal Produção Física - Brasil. Retrieved in 2020, from http://ibge.gov.br/home/estatistica/indicadores/industria/pimpf/br/default.shtm.
Jorgenson, D.W. (1964). “Minimum variance, linear, unbiased seasonal adjustment of economic time series,” Journal of the American Statistical Association, 59, 681–724.
Lopes, A.C.B.The Robustness of Test for Seasonal Differencing to Structural Breaks. Economic Letters, 71, 173-179.
Maravall, et.al. Reg-arima model identification: empirical evidence. Bank of Spain, 2014, 37 p.
Morettin, P.A; Toli, C.M.C. Previsão de Séries Temporais.Instituto de Matemática Pura e Aplicada (IMPA), (1987), 400p.
Pedersen, M. K., Faeste, C. F. Seasonal adjust of Danish financial time series using the X12-ARIMA procedure. Danmarks Nationalbank, 2006.
Plosser, C.I.. A time series analysis of seasonality in econometric models. The National Bureau of Economic Research, 1979.
Rasmussen, R. (2004). On time series data and optimal parameters. The International Journal of Management Science.
Shiskin, J., A.H. Young, and J.C. Musgrave (1967), “The X-11 Variant of the Census Method II Seasonal Adjust¬ment Program,” Technical Report 15, U.S. Bureau of the Census, Washington, DC.
Tsay, R. S. (1986), TIME SERIES MODEL SPECIFICATION IN THE PRESENCE OF OUTLIERS, JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION, 81, 132-141
Winters,P.R.(1960).Forecasting sales by exponentially weighted moving averages, Management Science, 6, 324–342.
Zellner. A. Front matter to ‘seasonal analysis of economic time series. The National Bureau of Economic Research, 1979.Box, G., Jenkins, G., Time series analysis, forecasting and control. Holdan Day. Oakland, California, USA, 1976.
Publicado
2021-12-30
Cómo citar
Ribeiro Leite, A. (2021). Caracterização do comportamento sazonal de séries macroeconômicas por setor no Brasil no contexto da pandemia da COVID-19: Uma análise a partir do método de ajuste sazonal ARIMA X-13 SEATS. A Economia Em Revista - AERE, 29(2), 29-43. Recuperado a partir de https://periodicos.uem.br/ojs/index.php/EconRev/article/view/57803