Previsão dos modelos univariados e rede neural da demanda turística do estado de Mato Grosso do Sul

O objetivo deste artigo foi gerar previsoes de curto, medio e longo prazos e comparar a precisao dos modelos em cada horizonte de previsao. Para atender o objetivo foram aplicados os modelos univariados e rede neural (NNAR) nos dados da demanda turistica do estado de Mato Grosso do Sul (MS). A amostra foi coletada na ferramenta base de dados extrator do Instituto Brasileiro de Turismo (Embratur) referente as chegadas turisticas por todas as vias registradas no MS entre janeiro de 2007 a dezembro de 2017. As previsoes dos modelos de previsao ARIMA, Holt-Winters (HW) versoes aditiva e multiplicativa e NNAR foram projetadas, por meio da linguagem de programacao R, com uso do software R Studio. O procedimento empirico de execucao dos scripts de todos os modelos foi disponibilizado. As predicoes fora da amostra da procura do turismo abrangeram o intervalo de janeiro ate dezembro de 2018, sendo entao comparadas aos dados reais do mesmo periodo. As previsoes dos modelos foram comparadas no curto, medio e longo prazo mediante os criterios Mea Absolute Percentage Error (MAPE), Mean Absolute Deviation (MAD) e Mean Squared Error (MSD). A rede neural (NNAR) superou os modelos testados em diferentes horizontes de previsao e as medidas de erros mostraram que a NNAR e altamente precisa. Em segundo lugar no ranking de acuracidade destacou-se ARIMA. Os resultados mostraram que as previsoes da rede neural auxiliam na tomada de decisao dos planejadores turisticos de MS. Para pesquisas futuras recomenda-se realizar previsoes fora da amostra num amplo numero de series temporais.