Estacionariedade e diferenciação

A maioria dos modelos de previsão pressupõe que a série se comporta de maneira consistente ao longo do tempo. Essa propriedade tem um nome: estacionariedade. 🎯

Uma série estacionária tem média e dispersão estáveis, que não sofrem deriva ao longo do tempo. Seu comportamento estatístico permanece o mesmo.

Uma tendência crescente significa que a média continua aumentando, portanto a série não é estacionária. Muitos modelos terão dificuldades até que você corrija isso.

Oscilações sazonais repetidas fazem a média subir e descer em um ciclo. Esse padrão variável também caracteriza uma série não estacionária.

Você não precisa adivinhar. O teste ADF verifica a estacionariedade e retorna um valor-p que você pode interpretar.

Se o valor-p do ADF for inferior a 0,05, é provável que a série seja estacionária. Acima disso, provavelmente ainda há uma tendência a remover.

Diferenciação substitui cada valor pela quantidade que ele mudou desde o último passo. Esse procedimento simples costuma eliminar uma tendência.

Ao observar mudanças em vez de níveis, uma subida constante se transforma em uma linha plana oscilando em torno de zero, ou seja, estacionária.

A primeira linha não tem nada para subtrair, então diff a deixa como NaN. Remova-a antes de testar ou criar o modelo.

Se uma rodada não for suficiente, faça a diferenciação do resultado uma segunda vez. O número de rodadas se torna o termo d em ARIMA.

Para eliminar um ciclo anual, subtraia o valor de 12 passos atrás. Essa diferença sazonal atua diretamente sobre o padrão repetitivo.

Você aprendeu a testar a estacionariedade com ADF e a remover tendências e ciclos usando diferenciação antes de criar o modelo.