Navegando por Autor "Nunes, Jaylhane Veloso"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC 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(Universidade Federal do Rio Grande do Norte, 2022-07-19) Nunes, Jaylhane Veloso; Fernández, Luz Milena Zea; https://orcid.org/0000-0001-8335-9446; http://lattes.cnpq.br/0576675498537949; http://lattes.cnpq.br/1241096176053577; Pinho, André Luís Santos de; https://orcid.org/0000-0002-2975-4637; http://lattes.cnpq.br/7753762932186347; Nascimento, Antonio Marcos Batista do; https://orcid.org/0000-0003-3874-8105; http://lattes.cnpq.br/2114720497342228O 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.