MATHEUS.B
Sobre
Contato

PREVISÃO DO PIB TRIMESTRAL BRASILEIRO

Aplicação completa da metodologia Box-Jenkins SARIMA sobre a série do IBGE (SIDRA 1846) com separação temporal estrita e backtesting de 2023–2024.

Python 3.12 Statsmodels · SARIMAX Metodologia Box-Jenkins API SIDRA IBGE (1846)

Período

1996-T1 – 2024-T4 (29 anos)

Categoria

Macroeconomia & Forecasting

Projeção SARIMA do PIB 2023-2024 vs Realizado IBGE
Modelagem do Produto Interno Bruto nominal brasileiro via ingestão direta na API SIDRA/IBGE (Tabela 1846) com desenho experimental sem vazamento: treino (1996–2021), validação out-of-sample (2022) e backtest pós-estudo (2023–2024).

Arquitetura Experimental e Objetivo

Prever o PIB Trimestral do Brasil a valores correntes (R$ milhões) exige separar tendência estocástica, crescimento exponencial da escala nominal e forte sazonalidade intra-anual (com vale estrutural no 1º trimestre e pico no 4º).

  • Amostra de Treino (1996-T1 a 2021-T4 · 104 trimestres): Transformação logarítmica, testes de raiz unitária (ADF, Phillips-Perron, KPSS), identificação FAC/FACP e busca em grade.
  • Validação Out-of-Sample (2022-T1 a 2022-T4 · 4 trimestres): Confronto entre previsão estática (1 passo), dinâmica (4 passos), Naive Sazonal e Holt-Winters ETS.
  • Backtest de Mundo Real (2023-T1 a 2024-T4 · 8 trimestres): Reestimação até 2022-T4 e confronto das projeções de 2 anos contra os números oficiais divulgados pelo IBGE.
Especificação Ótima SARIMA(0,1,0)(0,1,1)₄ Líder em AIC (-452,86) e BIC (-447,67)
MAPE Validação 2022 2,57% / 3,78% Estática / Dinâmica (supera benchmarks)
MAPE Backtest 2023–24 1,32% MAE R$ 37.646 mi em 8 trimestres
Cobertura IC 95% 8 / 8 (100%) Todos os trimestres no cone de confiança

Estacionariedade e Diagnóstico Residual

Os testes combinados ADF, Phillips-Perron e KPSS comprovam unanimemente que log(PIB) demanda uma diferenciação regular (d = 1) e uma diferenciação sazonal trimestral (D = 1, s = 4) para alcançar estacionariedade (ADF p = 0,0000, KPSS = 0,053).

O modelo parcimonioso SARIMA(0,1,0)(0,1,1)₄ apresenta parâmetro sazonal altamente significativo (Θ₁ = -0,7390, p < 0,001) e resíduos aprovados como ruído branco pelo teste de Ljung-Box em todos os horizontes (p = 0,525 no lag 4; p = 0,908 no lag 8; p = 0,886 no lag 12) e variância estável em Goldfeld-Quandt (p = 0,3221).

Transformações e Testes de Estacionariedade do PIB
Decomposição das diferenciações regular e sazonal sobre log(PIB) até atingir estacionariedade.
Diagnóstico de Resíduos do SARIMA
Diagnóstico residual confirmando ausência de autocorrelação (Ljung-Box) e impacto isolado do choque COVID-19 em 2020-T2.

Validação Out-of-Sample (2022) & Backtest (2023–2024)

Abordagem (Validação 2022) RMSE (R$ mi) MAE (R$ mi) MAPE (%)
SARIMA(0,1,0)(0,1,1)₄ — Estática (1 passo) 89.317 65.205 2,57%
Naive Sazonal + Drift (5 anos: 7,70%) 109.736 95.012 3,69%
SARIMA(0,1,0)(0,1,1)₄ — Dinâmica (4 passos) 111.820 97.095 3,78%
Holt-Winters ETS (Aditivo em Log) 114.574 97.899 3,82%
Naive Sazonal Puro 273.751 266.884 10,51%
Validação 2022: SARIMA Estática vs Dinâmica e Benchmarks
Validação out-of-sample em 2022: SARIMA superando Holt-Winters ETS e Naive Sazonal puro.

Outros Projetos