Ajuste da série de receita por quarto (revpar) de 2016 a 2020 em um hotel no Sudeste Brasileiro, por meio do método ARIMA com análise de intervenção

• Autor(a) principal: Nunes, Jaylhane Veloso
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFRN
• Texto Completo: https://repositorio.ufrn.br/handle/123456789/48711
• topic: Hotelaria; Revpar; Série Temporal; ARIMA; Análise de Intervenção; Hospitality; Time Series Analysis; Intervention Analysis

O processo dinâmico de precificação na hotelaria traz desafios para o procedimento de previsão de receita e, sendo a receita um importante componente para a gestão e operacionalização das atividades hoteleiras, faz-se necessário uso de indicadores e métodos que auxiliem nessa tarefa. Nesse cenário, há o indicador de receita por quarto (revpar) que é resultado de uma função envolvendo diária média e ocupação, outros dois importantes indicadores para as rotinas de um hotel. Logo, a partir da série de revpar de um hotel no sudeste brasileiro, coletado durante o período de janeiro de 2016 a dezembro de 2020, este trabalho realizará dois métodos de ajuste da série para verificar qual melhor se adequa: um ajuste de tendência e sazonalidade e um ajuste a partir de um modelo ARIMA. Além disso, dado que o período de coleta da série foi de 2016 a 2020, sendo que durante o ano de 2020 aconteceu a intervenção da pandemia Covid-19 na série, o modelo deve ser capaz de ajustar e predizer futuros valores levando em consideração a presença de valores atípicos. Entretanto, observou-se que a interrupção abrupta em março e abril de 2020 e a mudança de nível presenciada na série nos meses seguintes de 2020, devido ao evento da pandemia, influenciou a tendência e a sazonalidade presente na série, de forma que o ajuste pelo método da tendência e sazonalidade não conseguiu realizar o ajuste e a predição satisfatoriamente. No final, apesar da expectativa em realizar um modelo SARIMA, o melhor ajuste foi de um modelo não sazonal ARIMA(1,1,1) com análise de intervenção e o modelo não sazonal ARIMA(1,1,1) sem análise de intervenção foi o que apresentou o melhor resultado quanto a capacidade preditiva.