Análise de Séries Temporais: Modelando dados de Importação de Gás Natural no Brasil

Abstract

O gás natural é uma substância composta por hidrocarbonetos leves que permanecem em estado gasoso nas condições atmosféricas normais. Atualmente o país produz mais de 130 milhões de metro cúbicos de gás natural por dia o que representa cerca 13,7% do consumo interno. O Brasil importa gás natural de alguns países, onde o preço dessas importações aumentaram no primeiro trimestre de 2021, com relação ao primeiro trimestre de 2020. Diante do exposto, este trabalho tem por objetivo fazer previsões baseando-se em metodologias utilizadas na análise de séries temporais, tendo como finalidade prever os preços das importações para o Brasil até o 4° trimestre de 2021, com base nos dados do período de janeiro de 2000 a maio de 2021 da Agência Nacional do Petróleo, Gás Natural e Biocombustíveis (ANP). As previsões foram calculadas usando o algoritmo de alisamento exponencial de Holt-Winters, aditivo e multiplicativo, e também o método de modelagem de Box-Jenkins, SARIMA e SARIMAX. Todas as previsões foram geradas com 1, 4 e 7 passos a frente, e os valores das somas dos quadrados dos erros foram a forma de avaliar quais os melhores valores previstos. Na modelagem SARIMAX aplicou-se uma variável dummy, com valores 1 para os meses a partir de janeiro de 2020 até maio de 2021, que foi o período onde iniciou os primeiros casos de Covid-19 em outros países fora da China, e com o valor de 0 para os meses anteriores para verificar se afetariam de alguma forma em suas previsões. Para tal análise optou-se pelo uso função auto.arima, disponível no pacote forecast implementado no software R. Todos os modelos indicam uma boa capacidade de previsão, com intervalos de valores bem próximos, apresentando diferenças também não tão gritantes em seus erros relativos, entretanto, o modelo que obteve o melhor ajuste foi o modelo SARIMAX com o seu critério de informação (AIC) e erro mais baixo, obteve o melhor ajuste com relação aos erros das previsões com 7 passos a frente serem bem mais baixos.