首页    期刊浏览 2024年09月14日 星期六
登录注册

文章基本信息

  • 标题:Previsão e Séries Temporais para Tomada de Decisão Empresarial em uma Indústria Moveleira da Região de Criciúma–SC - DOI: http://dx.doi.org/10.16930/2237-7662/rccc.v11n32p26-42
  • 本地全文:下载
  • 作者:Fernanda Cristina Barbosa Pereira Queiroz ; Hélio Roberto Hékis ; Dalliane Vanessa Pires Andrade
  • 期刊名称:Revista Catarinense da Ciência Contábil
  • 印刷版ISSN:1808-3781
  • 电子版ISSN:2237-7662
  • 出版年度:2012
  • 卷号:11
  • 期号:32
  • 页码:26-42
  • DOI:10.16930/2237-7662/rccc.v11n32p26-42
  • 出版社:Conselho Regional de Contabilidade de Santa Catarina
  • 摘要:Uma previsão adequada deve dar suporte a uma decisão minimizadora de risco por parte dos tomadores de decisão, sendo essencial para o planejamento individual e organizacional de agentes econômicos. Neste sentido, o objetivo deste artigo é realizar um estudo sobre previsão e séries temporais para tomada de decisão empresarial em uma indústria moveleira da região de Criciúma-SC. A metodologia utilizada fundamenta-se na construção de modelos univariados de previsão de preços, com base em dados de séries temporais. O estudo é classificado como exploratório, bibliográfico e um estudo de caso com dados quantitativos. Há uma grande variedade de modelos aplicáveis a estudos desta natureza. Para fins desta pesquisa, optou-se por selecionar o método linear Holt e Holt-Winters e o modelo ARIMA (Auto Regressive Integrate Moving Average). Procurou-se, neste sentido, apresentar os diferentes modelos disponíveis na literatura, objetivando estimar a demanda por móveis para banheiro e projetar vendas futuras. Os resultados mostraram que o modelo ARIMA (Auto Regressive Integrate Moving Average) não se mostrou eficiente no caso analisado, devido ao número pequeno de dados, o que impossibilitou uma análise da sazonalidade, sugerindo-se que a empresa utilize o método de Holt, a fim de estimar o número de produtos a ser vendido e que, à medida que os novos produtos sejam vendidos, os demais modelos sejam testados novamente, uma vez que a incorporação de novos dados irá permitir confirmar a existência ou não da sazonalidade.
  • 关键词:Previsão;Séries temporais;Decisões empresariais.
国家哲学社会科学文献中心版权所有