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

dc.contributor.advisorFernández, Luz Milena Zea
dc.contributor.advisorIDhttps://orcid.org/0000-0001-8335-9446pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/0576675498537949pt_BR
dc.contributor.authorNunes, Jaylhane Veloso
dc.contributor.authorLatteshttp://lattes.cnpq.br/1241096176053577pt_BR
dc.contributor.referees1Pinho, André Luís Santos de
dc.contributor.referees1IDhttps://orcid.org/0000-0002-2975-4637pt_BR
dc.contributor.referees1Latteshttp://lattes.cnpq.br/7753762932186347pt_BR
dc.contributor.referees2Nascimento, Antonio Marcos Batista do
dc.contributor.referees2IDhttps://orcid.org/0000-0003-3874-8105pt_BR
dc.contributor.referees2Latteshttp://lattes.cnpq.br/2114720497342228pt_BR
dc.date.accessioned2022-07-26T12:44:36Z
dc.date.available2022-07-26T12:44:36Z
dc.date.issued2022-07-19
dc.description.abstractThe dynamic hotel pricing strategy brings challenges to the revenue forecasting procedure. Since revenue is an essential component of the management and operation of hotel activities it is necessary to use indicators and methods that help in this task. In this scenario, there is the revenue per room indicator (revpar) which is the result of a function involving average daily rate and occupancy, two important indicators for the routines of a hotel. Therefore, from the revpar series of a hotel in southeastern Brazil collected during the period from January 2016 to December 2020, this work will perform two methods of adjustment of the series to verify which best fits: a trend and seasonality adjustment, and an ARIMA model. In addition, given the period of the series and that during the year 2020 there was an intervention of the Covid-19 pandemic, the model must be able to adjust and predict future values taking into account the presence of outliers. However, the abrupt interruption in March and April 2020 and level shift in sequence months of 2020 due to the pandemic event influenced the trend and seasonality present in the series, so the adjustment by the trend and seasonality method was not able to perform the adjustment and prediction satisfactorily. In the end, besides the expectation to fit a SARIMA model, the best fit was a non-seasonal ARIMA(1,1,1) model with intervention analysis and the non-seasonal ARIMA(1,1,1) model without intervention analysis showed the best results in terms of predictive capacity.pt_BR
dc.description.resumoO 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.pt_BR
dc.identifier.citationNunes, Jaylhane Veloso. 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. 2022. 86f.: il.. Monografia (Bacharelado) - Universidade Federal do Rio Grande do Norte, Centro de Ciências Exatas e da Terra, Departamento de Estatística. Natal, 2022.pt_BR
dc.identifier.urihttps://repositorio.ufrn.br/handle/123456789/48711
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEstatísticapt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programEstatísticapt_BR
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/*
dc.subjectHotelariapt_BR
dc.subjectRevparpt_BR
dc.subjectSérie Temporalpt_BR
dc.subjectARIMApt_BR
dc.subjectAnálise de Intervençãopt_BR
dc.subjectHospitalitypt_BR
dc.subjectTime Series Analysispt_BR
dc.subjectIntervention Analysispt_BR
dc.titleAjuste 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 intervençãopt_BR
dc.title.alternativeAdjustment of the revenue per available room (revpar) series from 2016 to 2020 in a hotel in Southeast Brazil, through the ARIMA method with intervention analysispt_BR
dc.typebachelorThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
ReceitaporQuartoRevpar_Nunes_2022.pdf
Tamanho:
2.93 MB
Formato:
Adobe Portable Document Format
Descrição:
Monografia de Graduação apresentada ao Departamento de Estatística do Centro de Ciências Exatas e da Terra da Universidade Federal do Rio Grande do Norte como requisito parcial para a obtenção do grau de Bacharel em Estatística.
Nenhuma Miniatura disponível
Baixar

Licença do Pacote

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
1.45 KB
Formato:
Item-specific license agreed upon to submission
Nenhuma Miniatura disponível
Baixar