O mercado automotivo brasileiro anual apresenta comportamento instável e de difícil compreensão a curto prazo, apesar da tendência de crescimento. A fim de entender melhor tal comportamento, este trabalho propõe: i) Estudar um modelo de série temporal adequado ao mercado ii) Criar um modelo de transferência com as variáveis que influenciam o mercado iii) Utilizar modelos de inteligência artificial de lógica nebulosa (fuzzy), iv) Comparar os diversos modelos e seus erros e v) Fazer previsões do mercado ate 2010. Para o modelo de série temporal, concluímos que se trata de um modelo ARIMA (1,1,0). Porém, ao se retirar o termo não-estacionário, os dados se tornaram um ruído branco sem relação com o tempo (ano). Então, o modelo autoregressivo foi usado. Para o estudo de função de transferência, concluímos que as variáveis significativas encontradas para o modelo de transferência foram somente PIB brasileiro e renda média dentre as estudadas (Juros, Câmbio, Inflação IGP, Salário Mínimo, Renda média, PEA, Exportação, Balança comercial, Preço do Petróleo, Carga tributária população, PIB Brasileiro, PIB Mundial). Utilizou-se dois modelos de inteligência artificial neuro-fuzzy: um simples, com o ano como entrada, e outro complexo, que usa como entrada valores anteriores do mercado. No comparativo, para a amostra de 1957 a 2004 o modelo que representa o mercado com menor soma dos quadrados dos erros é o modelo neuro-fuzzy. Para a amostra de 1977 a 2004 é o modelo de função de transferência. A previsão para 2010 obteve valore entre 1,6 e 1,8 milhões para a amostra de 48 pontos e 1,3 e 2,4 milhões para a amostra de 28 pontos. Vale a pena ressaltar que este modelo não apresentou muita diferença do que vem prevendo a indústria usando um modelo simplista de regressão simples.