Previsão das taxas de ocupação de hotéis no Brasil

Abstract

Este estudo tem por objetivo avaliar a capacidade preditiva de dois modelos consagrados, um da área de séries temporais, outro de machine learning. Utilizamos dados diários das regiões Centro-Oeste, Nordeste, Norte, Sudeste e Sul provenientes de uma empresa privada que usará os resultados do estudo como insumo. Propomos a utilização do modelo sazonal autorregressivo integrado de médias móveis (SARIMA) e o modelo de Redes Neurais para a previsão da taxa de ocupação hoteleira futura para dois grupos distintos de hotéis, em cada uma das regiões brasileiras. Para a compação das previsões dos modelos candidatos foi utilizado o teste de Diebold- Mariano. Concluímos que, em geral, o modelo SARIMA produziu previsões superiores.

This study aims to evaluate the predictive capacity of two well-known models, one in the time series area, other in machine learning. We use daily data from a private company of the five Brazilian regions: Centro-Oeste, Nordeste, Norte, Sudeste and Sul. We propose the use of integrated autoregressive seasonal moving average model (SARIMA) and Neural Networks to predict the hotel occupancy rate for two distinct groups of hotels, in each of the Brazilian regions. To compare the predictions of the models we use Diebold-Mariano test. We conclude that, in general, the SARIMA model produced better predictions.