Combinação de previsões com modelos autoregressivos lineares e não lineares : aplicações ao turismo

As metodologias de combinação de previsões exploram relações de complementaridade entre diversos tipos de modelos econométricos. O seu desenvolvimento e crescente utilização resultam do facto destas apresentarem melhor performance, em termos de previsão, do que os modelos individuais que as compõem (vide, inter alia, Bates e Granger, 1969 e Stock e Watson, 2003). Este artigo é pioneiro na utilização de metodologias de combinação de previsões a séries do turismo. Neste artigo são utilizados modelos lineares (quer modelos só com componente sazonal determinística, quer modelos sazonais autoregressivos) e modelos mais complexos e de evolução recente, captores da não linearidade determinística (como é o caso dos modelos Periódicos Autoregressivos [PAR]) ou da não-linearidade estocástica (como é o caso dos modelos Self Exciting Threshold Autoregressive [SETAR]) das séries. Procura-se ainda, pelo recurso a modelos com componente sazonal, contribuir para a ruptura da prática dominante de utilização de séries sazonalmente ajustadas (ou seja, de séries expurgadas da informação sazonal). Por outro lado, através de uma metodologia de selecção da ordem da parte autoregressiva sugerida em Rodrigues e Gouveia (2004) procura-se conjugar o princípio da parcimónia com a salvaguarda de ausência de autocorrelação, por forma a que cada um dos modelos utilizados apresente boa performance em termos de previsão