Ce document a pour but de présenter la prévision de l’inflation à l’aide du modèle ARIMA et la Courbe de Phillips. Il est important de s’intéresser à ce sujet en tant qu’économiste, car c’est une variable macroéconomique essentielle qui influence les choix économiques et financiers. Plusieurs méthodes existent pour prévoir l’inflation dont le modèle ARIMA et la courbe de Phillips. Le modèle ARIMA est très robuste en ce sens qu’il englobe le processus autorégressif, la partie de différenciation et la composante de moyenne mobile. Cependant, la courbe de Phillips standard met en évidence la relation inverse entre l’inflation et le taux de chômage. Par ailleurs, la courbe de Phillips améliorée établit la relation inverse entre l’inflation et le taux de chômage et la relation positive entre l’inflation et le taux de de change et le taux d’intérêt de court terme. La méthode employée pour obtenir le modèle ARIMA est l’approche de Box-Jenkins. De plus, le meilleur modèle ARIMA obtenu de la série de l’inflation canadienne est ARIMA (3,1,2) pour les données mensuelles de l’inflation de 1971 à 2016. Le meilleur modèle observé est la courbe de Phillips améliorée. Cela est d’autant plus normale, car le Canada est une petite économie ouverte, et donc ces variables macroéconomiques dépendent en partie de la situation économique de l’extérieur. Néanmoins, la courbe de Phillips améliorée révèle que le taux de chômage influence en majeure partie le taux d’inflation. Nos résultats présentent des prévisions à la baisse du niveau d’inflation de 2017 à 2020, ce qui est conforme avec l’évolution des valeurs réalisées de l’inflation canadienne.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

A capacidade de prever resultados futuros, ao se analisar uma série de dados, é uma importante ferramenta para o planejamento de qualquer empresa ou indústria. Porém, a literatura oferece muitas opções de ferramentas e modelos estatísticos que permitem obter estas previsões. Cada qual com suas características e recomendações. Dentre estes modelos, destacam-se os modelos de Box e Jenkins, e os modelos de Redes Neurais Artificiais (RNA) - com destaque aos modelos de perceptron de múltiplas camadas (MLP). Estas duas diferentes abordagens são comparadas nesta dissertação com relação a sua capacidade de obter previsões acuradas em séries de dados não lineares quanto a sua média. As abordagens foram comparadas utilizando-se a série mensal do índice de produção física industrial do Estado do Rio Grande do Sul. Bem como a série anual de manchas solares, sendo a segunda utilizada como caso-controle para as comparações, devido ao fato de que as suas propriedades já foram amplamente estudadas. No estudo da série do índice de produção física mensal, os modelos de Box e Jenkins obtiveram melhor rendimento. Na série das manchas solares foram os modelos MLP que se destacaram. Desta forma, não é possível afirmar se alguma das abordagens é superior - tratando-se de séries de dados não lineares quanto a sua média. / The capacity to preview future outcomes on the time series analysis is an important tool for any business and industry planning. However, the literature offers many options on statistical tools and models which allow to obtain these forecasts. Each one with their features and recommendations. 1n these models, the Box and Jenkins and Artificial Neural Networks (ANN) models, with the multilayer perceptron (MLP) highlighted, stand out. These two different approaches are compared in this thesis related to the capacity to obtain accurate forecasts in mean related non-linear time series analysis. These approaches were compared using the monthly physical production index of Rio Grande do Sul time series and the sunspot series, being the second one used as a case-control to the comparisons, due the fact of its properties are already widely studied. 1n the monthly physical production index series study, t,he Box and Jenkins models obtained better efficiency. 1n the sunspot series, the MLP models were highlighted. So, it isn't possible to affirm if any of the approaches is superior, in the case of mean related non-linear time series.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The accelerated process of technological innovation has provided changes in work organization, and it shows therefore an expansion on work overload, resulting in a high number of accidents. Considering the importance of the issue and the possibility of contribution about it, this study aimed to analyze the types of labour accidents, in Southern Brazil, from 2008 to 2013, according to sociodemographic and temporal characteristics, besides using the Box-Jenkins method to assess the evolution and forecast the number of accidents. Were considered the records made available by DATAPREV on Historical Database of the Statistical Yearbook of Social Security. The descriptive analysis was performed by gender and age group, besides the comparison of the number of accidents between the years considering the economic activities and elements of the ICD-10. To adjust the time series models and calculation of forecasts, it was used the Box-Jenkins methodology. The characterization of labour accidents allowed identify the following scenario: the state of Rio Grande do Sul presented in absolute terms, the largest quantities of industrial accidents, followed by Paraná. Typical accidents were the most frequent, indicating that the vast majority of workplace accidents occur in the workplace. Moreover, these accidents occur mostly among men and workers under 34 years old. Among the models found in this research, all of them showed seasonal component, except those regarding the number of labour accidents by disease in Santa Catarina and Paraná, which had only components of moving averages and autoregressive, respectively, as well as an integration component. It was concluded that, when using the time series methodology it is possible to obtain an important support of orientation and encouragement to the monitoring data related to labour accidents. It is noteworthy that, although the databases can present filling deficiencies, is important that let there be permanent disclosure of this informations in order to sensitize the institutions involved to achieve continuous qualification of this source of knowledge about the profile of labour accident. / O acelerado processo de inovação tecnológica tem proporcionado mudanças na organização laboral, e nota-se, assim, uma ampliação na sobrecarga de trabalho, acarretando um número elevado de acidentes. Considerando a importância do tema e a possibilidade de contribuição sobre ele, este estudo teve como objetivo analisar os tipos de acidentes do trabalho, na região Sul do Brasil, de 2008 a 2013, segundo características sociodemográficas e temporais, além de utilizar o método de Box-Jenkins para avaliar a evolução e previsão do número de acidentes. Foram considerados os registros disponibilizados pelo DATAPREV, na Base de Dados Históricos do Anuário Estatístico da Previdência Social. Foi realizada uma análise descritiva, por sexo e por faixa etária, além da comparação do número de acidentes entre os anos, considerando as atividades econômicas e os elementos da CID-10. Para o ajuste dos modelos de séries temporais e cálculo das previsões, foi utilizada a metodologia de Box-Jenkins. A caracterização dos acidentes do trabalho permitiu identificar o seguinte cenário: o estado do Rio Grande do Sul apresentou, em termos absolutos, as maiores quantidades de acidentes do trabalho, seguido por Paraná. Os acidentes típicos foram os mais frequentes, indicando que a grande maioria dos acidentes do trabalho ocorre dentro do ambiente de trabalho. Além disso, estes acidentes ocorrem em sua maior parte, entre homens e em trabalhadores com menos de 34 anos de idade. Dentre os modelos encontrados nesta pesquisa, todos apresentaram componente sazonal, exceto aqueles referentes ao número de acidentes do trabalho por doença em Santa Catarina e Paraná, que apresentaram apenas componentes de médias móveis e autorregressivas, respectivamente, além de uma componente de integração. Concluiu-se que, ao se utilizar a metodologia de séries temporais pode-se obter um importante suporte de orientação e apoio para o monitoramento de dados referentes aos acidentes do trabalho. Destaca-se que, embora as bases de dados possam apresentar deficiências de preenchimento, é importante que haja a divulgação permanente dessas informações, a fim de sensibilizar as instituições envolvidas para alcançar a qualificação contínua dessa fonte de conhecimento sobre o perfil de acidentes do trabalho.

Made available in DSpace on 2016-04-26T20:48:37Z (GMT). No. of bitstreams: 1 Emerson Oliveira de Queiros.pdf: 1394134 bytes, checksum: e8f7b40ddc426553915a8ec319148ce7 (MD5) Previous issue date: 2012-08-24 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The goal of the present work it to use the Box-Jenkins methodology, also known as ARIMA methodology, to build a short-term model of prediction for the state tax (ICMS) revenue. This tax is the most important source of income for the states in Brazil. Therefore, to predict precisely the volume of resources to be collected, other then being a legal requirement, may also be crucial for the financial management of the States. The results achieved indicate that the Box-Jenkins methodology can be a useful tool to forecast the short-term tax revenue from taxes with the characteristics of the ICMS (Value Add Tax) / O presente trabalho objetiva aplicar a metodologia Box-Jenkins, conhecida também como metodologia ARIMA, a fim de construir um modelo de previsão de curto prazo para o imposto estadual (ICMS). Trata-se de um imposto de grande peso relativo nas receitas dos estados no Brasil. Portanto, antecipar precisamente o volume de recursos advindos da principal fonte de receita dos estados no Brasil, além de ser uma imposição legal, pode ser também crucial na gestão financeira dos Estados. Os resultados indicaram que a metodologia Box-Jenkins pode ser uma ferramenta útil se a intenção for construir um modelo de previsão de curto prazo para o imposto com as características do ICMS

Made available in DSpace on 2016-08-10T10:40:42Z (GMT). No. of bitstreams: 1 RAFAEL GOMES LOIOLA.pdf: 2193685 bytes, checksum: 77fe8f4c3a881108732f58c6013d52b5 (MD5) Previous issue date: 2016-03-09 / The demand forecasting is of essential importance for business environments, in a way to serve as a decision making supporting tool during the development of companies strategic planning. This work strived to compare statistics with artificial intelligence methods applied to provisioning on demand issues using temporal series through Box-Jenkins and Artificial Neural Networks Multilayer Perceptron (MLP) methods. Studies were performed to identify and define the main demand forecasting methods. Subsequently, the selected prediction methods for the analysis of the three most relevant products of a metalworking industry were applied in the period 2012 to 2014. The four last periods were used only for performance validation of both methods, through the analysis of forecast errors. Softwares R, Matlab and SPSS supported the data deployment, modeling and analysis. From those models, a step ahead provisioning of sales of a metal mechanic industry was performed, followed by the comparison of the errors of each method based on root mean squared error, RMSE, and mean absolute percentage error, MAPE, to identify the most satisfactory and adequate provisioning method. The results indicated that the performance of the forecasts using the statistical method of Box-Jenkins in Products 1 and 3 were higher than the application of the MLP neural network models. While, for Product 2 the method of neural networks achieved better results. In the statistics analysis, one could verify that the series present some behavior patterns associated to seasonality and oscillations, being possible to observe that both methods show satisfactory results for each data characteristics of the temporal series. / A previsão de demanda é de essencial importância em ambientes organizacionais, de forma a servir como ferramenta de apoio a tomada de decisão durante o desenvolvimento do planejamento estratégico das empresas. Este trabalho teve como principal objetivo comparar modelos estatísticos e de inteligência artificial para problemas de previsão de demanda utilizando séries temporais por meio dos métodos de Box-Jenkins e rede neural artificial Multilayer Perceptron (MLP). Realizou-se o estudo para identificação e definição dos principais métodos de previsão de demanda. Posteriormente, aplicaram-se os métodos de previsão selecionados para a análise dos três produtos mais relevantes de uma indústria metal mecânica, no período de 2012 até 2014. Os quatro últimos períodos da série foram utilizados apenas para validação de desempenho de ambos os métodos propostos através das análises dos erros de previsão. Os softwares R, Matlab e SPSS apoiaram a aplicação, modelagem e análise dos dados. A partir dos modelos, realizou-se a previsão um passo a frente das vendas de uma indústria metal mecânica e posteriormente fez-se o comparativo de seus resultados através das medidas de erros referentes à raiz quadrada do erro quadrático médio, RMSE, e o erro percentual absoluto médio, MAPE, para identificar o modelo mais satisfatório e adequado para a predição. Os resultados indicaram que o desempenho das previsões utilizando o método estatístico de Box-Jenkins nos Produtos 1 e 3 foram superiores à aplicação dos modelos de rede neural MLP. Enquanto que para o Produto 2, o método de redes neurais alcançou melhores resultados. Nas análises estatísticas verificou-se que as séries apresentam padrões de comportamento referente à sazonalidade e oscilações, sendo possível observar que ambos os métodos apresentam resultados satisfatórios para cada característica de dados das séries temporais estudadas.

Universidade Federal do Cearà / Neste estudo, pretende-se determinar um modelo de previsÃo mensal de curto prazo para a receita de ISSQN de Teresina. Para evidenciar este propÃsito servirÃo de suporte matemÃtico os modelos VAR e Box-Jenkins, a partir de sÃries histÃricas concernentes ao perÃodo de janeiro de 2002 a dezembro de 2006. ApÃs a estimaÃÃo dos modelos, propÃe-se um diagnÃstico para mensurar a capacidade inicialmente preditiva. Dentre os modelos manipulados temos o SARIMA (12,1,1)(0,0,12) o qual antecipadamente demonstrou ser mais robusto em relaÃÃo ao modelo VAR. Oportunamente à discussÃo de outras nuances internas ou à margem do trabalho, conclui-se que, o modelo com sÃries temporais, em funÃÃo de sua capacidade preditiva, pode se transformar em um instrumental consistente com vistas ao incremento da arrecadaÃÃo do ISSQN da Prefeitura de Teresina. / In this study, It is intended to determine a short-run monthly forecasting model for the ISSQN of Teresina city. In order for this purpose to be clear, the models VAR and Box-Jenkins will be of mathematical support, from historical series concerning the period of January 2002 to December 2006. After the estimation of the models, it is proposed a diagnosis to measure the initially predictive capacity. Among the models manipulated, we have SARIMA (12,1,1)(0,0,12), which has resulted most robust in advance concerning the VAR model. Propitiously to other internal or marginal nuances to the study, it is concluded, preliminarily, that the time series model due to its predictive capacity can become a consistent instrument targeting at the augment of the ISSQN collecting of Teresina City Administration.

Submitted by Adriano Duarte da Silva (adriano_duarte_silva@yahoo.com.br) on 2017-03-28T16:30:51Z No. of bitstreams: 1 Dissertacao_Adriano_2016_Completo.pdf: 4047217 bytes, checksum: c2877f83944b388d03457348b61d7d00 (MD5) / Approved for entry into archive by Leiliane Silva (leiliane.silva@fgv.br) on 2017-05-11T13:18:25Z (GMT) No. of bitstreams: 1 Dissertacao_Adriano_2016_Completo.pdf: 4047217 bytes, checksum: c2877f83944b388d03457348b61d7d00 (MD5) / Made available in DSpace on 2017-05-12T12:51:45Z (GMT). No. of bitstreams: 1 Dissertacao_Adriano_2016_Completo.pdf: 4047217 bytes, checksum: c2877f83944b388d03457348b61d7d00 (MD5) Previous issue date: 2016-07-15 / The Brazilian aviation went through moments of supply and demand growth in the last decade, which triggered investment and plan decisions aiming at improving the Brazilian airspace control system and airports infrastructure as well as the services offered by airline companies (for instance aviation fuel demand increase). The main objective of this work is to contribute to the creation of a predictive model of takeoffs and landings for the short and medium run. We use the Box-Jenkins model (ARMA), combined with covariates, to predict the amount of takeoffs and landings of commercial aviation in four Brazilian airports: Galeão Airport (Rio de Janeiro), Brasília Airport (Distrito Federal), Guarulhos Airport (São Paulo) and Recife Airport (Pernambuco). We find that the models fit well in the short run, but in the medium run in forecast events such as the recent Brazilian economic crises can damage the predictions. The data analyzed in this work is owned by The Management Center of Air Navegation (CGNA), which is a military unit subordinated to the Departamento de Controle do Espaço Aéreo (DECEA). Therefore, the predictability of the demand for air traffic will help in the allocation of resources for air traffic management. / A aviação brasileira viveu momentos de crescimentos da oferta e da demanda nos últimos 10 anos, o que gerou a necessidade de planejar e investir no aumento da infraestrutura do Sistema de Controle do Espaço Aéreo Brasileiro (SISCEAB), do parque aeroportuário e dos serviços envolvidos na oferta e na demanda da aviação e das companhias aéreas (exemplo a demanda por Querosene de Aviação – QAV). O principal objetivo deste trabalho é contribuir para a criação de um modelo preditivo do comportamento das operações de pousos e decolagens dos principais aeroportos brasileiros para o curto e médio prazo. Utilizaremos o modelo Box-Jenkins (ARMA), combinado com covariáveis, para prever a quantidade de operações de pousos e decolagens da aviação comercial em quatro aeroportos brasileiros: Aeroporto do Galeão/RJ, Aeroporto de Brasília/DF, Aeroporto de Guarulhos/SP e Aeroporto de Recife/PE. Verificamos que os modelos se ajustam bem no curto prazo, mas que no médio prazo poderão necessitar de mais dados que podem interferir na quantidade de pousos e decolagens de forma atípica, como, por exemplo, a redução da malha aérea devido à crise econômica brasileira dos últimos 2 anos. Os dados utilizados neste trabalho são pertencentes ao Centro de Gerenciamento da Navegação Aérea (CGNA) que é uma unidade militar subordinada ao Departamento de Controle do Espaço Aéreo Brasileiro (DECEA). Portanto, a previsibilidade da demanda de tráfego aéreo ajudará na alocação de recursos no gerenciamento de tráfego aéreo.

Conselho Nacional de Desenvolvimento Científico e Tecnológico / The analysis of macro-economic variables through time-series models is widely used in the literature supporting economic theory, showing the actual behaviour of these variables. One of these macroeconomic variables have two variables that interfere with eou has relationships with other variables justifying the relevance in studying their behaviors. The first is the interest rate, which is very important in driving the economy, influencing the intention to spend and save of all economic agents, whether personal, commercial or industrial level (State or private). The second is the exchange rate, where its buoyancy determines the level of imports and exports affecting the trade balance. In this context the present research aims to describe the behavior of SELIC interest rates and Brazilian Exchange from January 1974 to June 2012 and January 1980 to may 2012, respectively. To this end, at first was used the Box-Jenkins model where the models showed through the analysis of residues which both had conditional heteroscedasticity in the waste of the models. Then joint modeling was used to the level of the process and the process variance (ARCH family models). The results showed that, for the SELIC interest rate series, the model selected was an ARIMA (1,1,1)-EGARCH (3,1) and, to the exchange rate, an ARIMA (0,1,1)-EGARCH (1,1). It is evidenced through these models that there is asymmetry of information, yet there was the leverage effect. In a second moment was chosen a model representing each one of the models of family ARCH (ARCH, GARCH, TARCH, EGARCH) and later held the combination of prediction by methods: ACP, middle and MMQO. The results obtained show that, in General, the performance measures MAPE, MSE and U-THEIL are superior to the combinations of prediction. In addition, the combination of forecast for different weights with ACP to check which of the types of weights provide better results. Therefore, it is concluded that the different weights allow the researcher to achieve greater accuracy in the choice of models combined, allowing aid managers in prior decision of the behavior of these variables that affect so scathing the health of the Brazilian economy. / A análise de variáveis macroeconômicas por meio de modelos de séries temporais é amplamente utilizada na literatura dando suporte à teoria econômica, mostrando o real comportamento dessas variáveis. Dentre essas variáveis macroeconômicas tem-se duas variáveis que interferem e/ou tem relações com outras variáveis justificando-se assim a relevância em estudar seus comportamentos. A primeira é a taxa de juros, que é muito importante na condução da economia, influenciando a intenção de gastar e poupar de todos os agentes econômicos, seja no nível pessoal, comercial ou industrial (privado e/ou estatal). A segunda é a taxa de câmbio, onde sua flutuação determina o nível das importações e exportações afetando assim a balança comercial. Nesse contexto a presente pesquisa tem como objetivo descrever o comportamento das taxas de juros SELIC e câmbio brasileiras no período de janeiro de 1974 a junho de 2012 e de janeiro de 1980 a maio de 2012, respectivamente. Para tanto, num primeiro momento foi utilizada a modelagem Box-Jenkins onde os modelos evidenciaram por meio da análise de resíduos que ambos possuíam heterocedasticidade condicional nos resíduos dos modelos. Em seguida, utilizou-se a modelagem conjunta para o nível do processo e para a variância do processo (modelos da família ARCH). Os resultados obtidos mostraram que, para a série da taxa de juros SELIC, o modelo elegido foi um ARIMA (1,1,1)- EGARCH (3,1) e, para a taxa de câmbio, um ARIMA (0,1,1)- EGARCH (1,1). Evidencia-se por meio destes modelos que há assimetria das informações, contudo não se verificou o efeito de alavancagem. Num segundo momento foi escolhido um modelo representando cada um dos modelos da família ARCH (ARCH, GARCH, EGARCH, TARCH) e posteriormente realizada a combinação de previsão pelos métodos: ACP, Média e MMQO. Os resultados obtidos evidenciam que, no geral, as medidas de desempenho MAPE, MSE e U-THEIL são superiores para as combinações de previsão. Além disso, foi realizada a combinação de previsão por ACP com ponderações diferentes para verificar qual dos tipos de ponderações propiciam resultados melhores. Logo, conclui-se que as diferentes ponderações permitem ao pesquisador conseguir maior acurácia na escolha dos modelos combinados, permitindo auxiliar gestores na decisão prévia do comportamento dessas variáveis que afetam de maneira contundente a saúde da economia brasileira.