PREVISÃO DOS CUSTOS DE PRODUÇÃO DE SUÍNOS POR MEIO DE MODELOS DE HOLT-WINTERS

ABCustos

Endereço:
Avenida Unisinos - 950 - Cristo Rei
São Leopoldo / RS
93022750
Site: https://revista.abcustos.org.br/abcustos
Telefone: (51) 9406-0625
ISSN: 1980-4814
Editor Chefe: Clóvis Antônio Kronbauer
Início Publicação: 01/05/2006
Periodicidade: Quadrimestral

PREVISÃO DOS CUSTOS DE PRODUÇÃO DE SUÍNOS POR MEIO DE MODELOS DE HOLT-WINTERS

Ano: 2018 | Volume: 13 | Número: 1
Autores: Bruno Matos Porto, Daniela Althoff Philippi
Autor Correspondente: Bruno Matos Porto | [email protected]

Palavras-chave: holt-winters, custos, suínos.

Resumos Cadastrados

Resumo Português:

O objetivo da pesquisa descrita neste artigo foi gerar previsões e comparar a precisão no curto prazo do modelo Holt-Winters (HW), versões aditiva e multiplicativa nos custos de produção de suínos da região do estado de Goiás, por meio do R Studio. O modelo foi aplicado com o pacote forecast, baseando-se no histórico de dados da Empresa Brasileira de Pesquisa Agropecuária (Embrapa). Os dados referem-se a custos de produção de suínos do período entre janeiro de 2007 e julho de 2017. Constatou-se que a versão aditiva de HW obteve melhores resultados quando comparados aos da versão multiplicativa. As previsões dos custos geradas com o modelo de HW apresentaram, no conjunto dos dados analisados e no horizonte de previsão de três meses fora da amostra, plausível acuracidade. Contudo, como qualquer modelo de previsão que se baseia unilateralmente em dados históricos, deve-se, também, considerar variáveis extrínsecas no processo decisório.



Resumo Inglês:

This study aimed to generate predictions and compare accuracy in the short term of the Holt-Winters model (HW), additive and multiplicative versions, in production costs of pigs from the region of Goiás State, Brazil, through the R Studio. The model was applied with the package Forecast, based on the historical data of Brazilian Agricultural Research Corporation (Embrapa). The data refers to production costs of pigs for the period between January 2007 and July 2017. The additive version of HW obtained better results when compared to the multiplicative version. Cost predictions generated by the HW model presented plausible accuracy in the data set analyzed and forecast horizon of three months outside the sample. However, similar to any forecast model that is based unilaterally on historical data, extrinsic variables in the decision-making process should also be accounted.