dados <- read.csv("C:\\Users\\ddlag\\Downloads\\ipeadata[01-06-2023-01-50].csv")
data <- dados[,-c(1,3)]
serie_temporal <- ts(data)
plot(serie_temporal, xlab = "Data", ylab = "Valor")
Plotando o gráfico do câmbio
library(stats)
acf_result <- acf(serie_temporal)
plot(acf_result, main = "Função de Autocorrelação (ACF)")
pacf_result <- pacf(serie_temporal)
plot(pacf_result, main = "Função de Autocorrelação Parcial (PACF)")
Estimando o ACF e PACF da série
library(stats)
modelo_arima <- arima(serie_temporal, order = c(1, 0, 0))
summary(modelo_arima)
## Length Class Mode
## coef 2 -none- numeric
## sigma2 1 -none- numeric
## var.coef 4 -none- numeric
## mask 2 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
Criando omodelo ARIMA (1,0,0)
AIC_modelo <- AIC(modelo_arima)
BIC_modelo <- BIC(modelo_arima)
cat("AIC:", AIC_modelo, "\n")
## AIC: -243.7215
cat("BIC:", BIC_modelo, "\n")
## BIC: -232.6913
Obtendo os critérios de informação AIC e BIC
library(tseries)
## Warning: package 'tseries' was built under R version 4.1.3
## Registered S3 method overwritten by 'quantmod':
## method from
## as.zoo.data.frame zoo
resultado_adf <- adf.test(serie_temporal)
cat("Estatística do teste:", resultado_adf$statistic, "\n")
## Estatística do teste: -1.644308
cat("Valor p:", resultado_adf$p.value, "\n")
## Valor p: 0.7260951
cat("Valores críticos:", resultado_adf$critical, "\n")
## Valores críticos:
Realizando o teste ADF
library(tseries)
resultado_pp <- pp.test(serie_temporal)
cat("Estatística do teste:", resultado_pp$statistic, "\n")
## Estatística do teste: -5.474409
cat("Valor p:", resultado_pp$p.value, "\n")
## Valor p: 0.8033832
cat("Valores críticos:", resultado_pp$critical, "\n")
## Valores críticos:
Realizando o teste de PP
dados2 <- read.csv("C:\\Users\\ddlag\\Downloads\\cambio2.csv")
data2 <- dados2[, -c(1,2)]
serie_temporal2 <- ts(data2)
plot(serie_temporal2, xlab = "Data", ylab = "Valor")
Testando estacionariedade da primeira diferença
library(tseries)
resultado_adf <- adf.test(serie_temporal2)
## Warning in adf.test(serie_temporal2): p-value smaller than printed p-value
cat("Estatística do teste:", resultado_adf$statistic, "\n")
## Estatística do teste: -6.640035
cat("Valor p:", resultado_adf$p.value, "\n")
## Valor p: 0.01
cat("Valores críticos:", resultado_adf$critical, "\n")
## Valores críticos:
library(tseries)
resultado_pp <- pp.test(serie_temporal2)
## Warning in pp.test(serie_temporal2): p-value smaller than printed p-value
cat("Estatística do teste:", resultado_pp$statistic, "\n")
## Estatística do teste: -322.5167
cat("Valor p:", resultado_pp$p.value, "\n")
## Valor p: 0.01
cat("Valores críticos:", resultado_pp$critical, "\n")
## Valores críticos:
library(stats)
acf_result <- acf(serie_temporal2)
plot(acf_result, main = "Função de Autocorrelação (ACF)")
pacf_result <- pacf(serie_temporal2)
plot(pacf_result, main = "Função de Autocorrelação Parcial (PACF)")
Estimando diferentes modelos ARIMA para série
library(stats)
modelo_arima <- arima(serie_temporal, order = c(1, 1, 0))
summary(modelo_arima)
## Length Class Mode
## coef 1 -none- numeric
## sigma2 1 -none- numeric
## var.coef 1 -none- numeric
## mask 1 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(0, 1, 1))
summary(modelo_arima)
## Length Class Mode
## coef 1 -none- numeric
## sigma2 1 -none- numeric
## var.coef 1 -none- numeric
## mask 1 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(1, 1, 1))
summary(modelo_arima)
## Length Class Mode
## coef 2 -none- numeric
## sigma2 1 -none- numeric
## var.coef 4 -none- numeric
## mask 2 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(2, 1, 1))
summary(modelo_arima)
## Length Class Mode
## coef 3 -none- numeric
## sigma2 1 -none- numeric
## var.coef 9 -none- numeric
## mask 3 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(1, 1, 2))
summary(modelo_arima)
## Length Class Mode
## coef 3 -none- numeric
## sigma2 1 -none- numeric
## var.coef 9 -none- numeric
## mask 3 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(2, 1, 2))
summary(modelo_arima)
## Length Class Mode
## coef 4 -none- numeric
## sigma2 1 -none- numeric
## var.coef 16 -none- numeric
## mask 4 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(3, 1, 3))
summary(modelo_arima)
## Length Class Mode
## coef 6 -none- numeric
## sigma2 1 -none- numeric
## var.coef 36 -none- numeric
## mask 6 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list
library(stats)
modelo_arima <- arima(serie_temporal, order = c(3, 1, 2))
summary(modelo_arima)
## Length Class Mode
## coef 5 -none- numeric
## sigma2 1 -none- numeric
## var.coef 25 -none- numeric
## mask 5 -none- logical
## loglik 1 -none- numeric
## aic 1 -none- numeric
## arma 7 -none- numeric
## residuals 292 ts numeric
## call 3 -none- call
## series 1 -none- character
## code 1 -none- numeric
## n.cond 1 -none- numeric
## nobs 1 -none- numeric
## model 10 -none- list