MONTHLY CLOSING PRICE FORECASTING OF SOYBEAN GRAIN IN PARANÁ USING SARIMA MODELING WITH INTERVENTION

Resumen

ABSTRACT: This article presents a procedure to find a suitable model for forecasting financial time series of agribusiness commodities considering the negotiation and circumstantial factors that influence them, especially seasonality and abrupt economic changes. The used data were the series of monthly closing prices of soybean in the state of Paraná between the months of February 1998 and January 2004. This series and its transformations were tested empirically in terms of ACF analysis (Auto-Correlation Function) until stationarized changes were found. For this, the application of seasonal adjustment was necessary due to the characteristic of the series and interventions (dummy variables) due to structural breaks occurred during the analyzed period. The seasonal adjustment was done through the X-12-ARIMA method, which implements the univariate ARIMA model (AutoRegressive Integrated Moving Average) and the multiplicative seasonal (SARIMA). The combined use of SARIMA model and of interventions got, in terms of the statistical analysis adopted, modeling the negotiation factors known to influence their oscillations and realize the forecast with 1, 2 and 3 steps ahead.

Key words: Time series forecasting, SARIMA modeling, X-12-ARIMA seasonal adjustment, interventions.

PREVISÃO DO PREÇO DE FECHAMENTO MENSAL DA SOJA EM GRÃO NO PARANÁ UTILIZANDO MODELAGEM SARIMA COM INTERVENÇÕES

RESUMO: Este artigo apresenta um procedimento para se encontrar um modelo adequado para previsão de séries temporais financeiras de commodities do agronegócio considerando-se os fatores negociais e conjunturais que as influenciam, em especial sazonalidade e mudanças econômicas abruptas. Os dados utilizados foram da série de preços de fechamento mensal da soja em grão no Estado do Paraná entre os meses de fevereiro de 1998 e janeiro de 2004. Esta série e suas transformações foram testadas empiricamente em termos da análise ACF (Auto-Correlation Function) até que fossem encontradas transformações estacionarizadas. Para tal, foi necessária a aplicação de ajustamento sazonal devido à característica da série e de intervenções (variáveis dummy) devido às quebras estruturais ocorridas no período analisado. O ajustamento sazonal foi feito através do método X-12-ARIMA que implementa o modelo univariado ARIMA (AutoRegressive Integrated Moving Average) sazonal (SARIMA) multiplicativo. O uso combinado do modelo SARIMA e das intervenções conseguiu, em termos da análise estatística adotada, modelar os fatores negociais conhecidos por influenciar suas oscilações e realizar a previsão com 1, 2 e 3 passos à frente.

Palavras-chave: Previsão de séries temporais, Modelagem SARIMA, Ajuste sazonal X-12-ARIMA, Intervenções.